我在CSV文件中有一列。每列中的每个单元格包含一个列表中的多个值。例如，一个单元格可能包含['A', 'B', 'C']，而另一个可能包含['B', 'D']。我想对这一列应用独热编码，将其转换为二进制值，以便用于机器学习。

请告诉我如何做到这一点？

回答：

输入是CSV文件，因此没有列表，只有字符串。所以去掉[]，并使用Series.str.get_dummies，同时去除列名中的尾部'：

df = df['col'].str.strip('[]').str.get_dummies(', ')df.columns = df.columns.str.strip("'")

如果需要一些处理来将字符串转换为列表，请使用MultiLabelBinarizer以提高性能：

from sklearn.preprocessing import MultiLabelBinarizermlb = MultiLabelBinarizer()df = pd.DataFrame(mlb.fit_transform(df['col']),columns=mlb.classes_)print (df)