Comment coder en binaire une variable catégorielle à valeurs multiples à partir d'une trame de données Pandas?

Supposons que nous ayons la trame de données suivante avec plusieurs valeurs pour une certaine colonne:

    categories
0 - ["A", "B"]
1 - ["B", "C", "D"]
2 - ["B", "D"]

Comment obtenir une table comme celle-ci?

   "A"  "B"  "C"  "D"
0 - 1    1    0    0
1 - 0    1    1    1
2 - 0    1    0    1

Remarque: Je n'ai pas nécessairement besoin d'un nouveau dataframe, je me demande comment transformer ces DataFrames dans un format plus adapté à l'apprentissage automatique.

Si [0, 1, 2]sont des étiquettes numériques et n'est pas l'index, alors pandas.DataFrame.pivot_tablefonctionne:

Dans []:
data = pd.DataFrame.from_records (
    [[0, 'A'], [0, 'B'], [1, 'B'], [1, 'C'], [1, 'D'], [2, 'B'], [ 2, «D»]],
    colonnes = ['numéro_étiquette', 'catégorie'])
data.pivot_table (index = ['number_label'], colonnes = ['category'], aggfunc = [len], fill_value = 0)

En dehors[]:
              len
catégorie ABCD
numéro_étiquette                       
0 1 1 0 0
1 0 1 1 1
2 0 1 0 1

Cet article de blog était utile: http://pbpython.com/pandas-pivot-table-explained.html

Si [0, 1, 2]est l'indice, alors collections.Counterest utile:

Dans []:
data2 = pd.DataFrame.from_dict (
    {'categories': {0: ['A', 'B'], 1: ['B', 'C', 'D'], 2: ['B', 'D']}}))
data3 = data2 ['categories']. apply (collections.Counter)
pd.DataFrame.from_records (data3) .fillna (valeur = 0)

En dehors[]:
       A B C D
0 1 1 0 0
1 0 1 1 1
2 0 1 0 1