问题

当我在这个数据框上运行get_dummies函数时，它会创建四列，分别命名为'Symptom_A_Itching'、'Symptom_A_Rash'、'Symptom_B_Rash'和'Symptom_B_Itching'。我不想将这两个值分开处理，想要执行独热编码，生成包含列'Symptom_Itching'和'Symptom_Rash'的数据框。

我尝试使用get_dummies函数的columns和prefix参数，但没有产生结果。我还尝试将所有Symptom列的名称都设置为'Symptom'，而不是'Symptom_A'和'Symptom_B'，但这也没有起作用。

这是我现在的代码：

data_frame: DataFrame = read_csv('dataset.csv')
features: DataFrame = data_frame.iloc[:, 1:]
features.fillna('')
x: DataFrame = get_dummies(features)

data_frame: DataFrame = read_csv('dataset.csv')
features: DataFrame = data_frame.iloc[:, 1:]
features.fillna('')
x: DataFrame = get_dummies(features)

答案1

得分: 2

[`stack`](https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.stack.html)，然后使用 [`get_dummies`](https://pandas.pydata.org/docs/reference/api/pandas.Series.str.get_dummies.html) 和 [`groupby.max()`](https://pandas.pydata.org/docs/reference/api/pandas.core.groupby.DataFrameGroupBy.max.html)：
```python
out = (df
   .stack().str.get_dummies()
   .groupby(level=0).max()
 )

或者使用一个小技巧，以相同的名称获取所有输出列，并在 axis=1 上使用 groupby.max()：

out = (pd.get_dummies(df.rename(columns=lambda x: ''), prefix_sep='')
         .groupby(level=0, axis=1).max()
       )

输出：

   Itching  Rash
0        1     1
1        1     1

<details>
<summary>英文:</summary>

[`stack`](https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.stack.html), then [`get_dummies`](https://pandas.pydata.org/docs/reference/api/pandas.Series.str.get_dummies.html) and [`groupby.max()`](https://pandas.pydata.org/docs/reference/api/pandas.core.groupby.DataFrameGroupBy.max.html):

out = (df
.stack().str.get_dummies()
.groupby(level=0).max()
)

Or using a trick to get all output columns with the same name and [`groupby.max()`](https://pandas.pydata.org/docs/reference/api/pandas.core.groupby.DataFrameGroupBy.max.html) on `axis=1`:

out = (pd.get_dummies(df.rename(columns=lambda x: ''), prefix_sep='')
.groupby(level=0, axis=1).max()
)

Output:

Itching Rash
0 1 1
1 1 1

</details>



# 答案2
**得分**: 0

你可以使用[pandas.DataFrame.drop](https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.drop.html)来删除列。根据文档：

**pandas.DataFrame.drop**

> 从行或列中删除指定的标签。
> 
> 通过指定标签名称和相应的轴来删除行或列，或者通过直接指定索引或列名称来删除。在使用多级索引时，可以通过指定级别来删除不同级别上的标签。

对于给定的示例，你可以尝试以下代码（你需要根据你的CSV解析适应这个方法）：

```python
import pandas as pd

df = pd.DataFrame(
    {   
        'SymptomA': ['Itching', 'Rash'],
        'SymptomB': ['Rash', 'Itching']
    })
df_onehot = pd.get_dummies(df['SymptomA'])
df = df.drop('SymptomA', axis=1)
df = df.drop('SymptomB', axis=1)
df = df.join(df_onehot)
print(df)

# 输出:

#    Itching   Rash
# 0     True  False
# 1    False   True

请注意，这是一个示例，你需要根据你的具体情况进行适应。

import pandas as pd

df = pd.DataFrame(
    {   
        'SymptomA': ['Itching', 'Rash'],
        'SymptomB': ['Rash', 'Itching']
    })
df_onehot = pd.get_dummies(df['SymptomA'])
df = df.drop('SymptomA', axis=1)
df = df.drop('SymptomB', axis=1)
df = df.join(df_onehot)
print(df)

# Output:

#    Itching   Rash
# 0     True  False
# 1    False   True