テーブルの正規化をしたい

Question

例えば、下記のような表があったとします。
No. 好きな食べ物
1 カレー
2 ハンバーグ
3 カレー
4 ハンバーグ
5 ハンバーグ
6 スパゲティ
7 ピザ
これを、Pythonで以下のようにテーブルを正規化したいのですが、
No. カレー ハンバーグ スパゲティ ピザ
1 1 0 0 0
2 0 1 0 0
3 1 0 0 0
4 0 1 0 0
5 0 1 0 0
6 0 0 1 0
7 0 0 0 1

どのようにしたらよいでしょうか。よろしくお願いします。

Comments

[yambejp]

RDBですよね？何をご利用ですか？ちなみにやろうとしていることは正規化とは違う次元の処理にみえます

Answer 1

pandas.get_dummiesでどうでしょうか？
参考：pandasでカテゴリ変数をダミー変数に変換（get_dummies）

import pandas as pd
df = pd.DataFrame({'food':['カレー','ハンバーグ','カレー','ハンバーグ','ハンバーグ','スパゲティ','ピザ']})
print(df)
df2 = pd.get_dummies(df['food'])
print(df2)
"""
   カレー  スパゲティ  ハンバーグ  ピザ
0    1      0      0   0
1    0      0      1   0
2    1      0      0   0
3    0      0      1   0
4    0      0      1   0
5    0      1      0   0
6    0      0      0   1
"""

# 列の並びを整えたければ、適切な列名リストを生成して以下で並べ替える
cols = ['カレー','ハンバーグ','スパゲティ','ピザ']
df2 = df2.ix[:,cols]
print(df2)

Comments

[MOSMOS2]

ありがとうございました。

Answer 2

One-hot表現が欲しいと解釈して、sklearnでやってみました。こんな感じで使えます。

from sklearn.preprocessing import LabelEncoder, OneHotEncoder

lst = ["カレー","ハンバーグ","カレー","ハンバーグ","ハンバーグ","スパゲティ","ピザ"]

le = LabelEncoder()
ohe = OneHotEncoder(sparse=False)  # 返り値がsparse matrixでよければ指定する必要はありません

X = ohe.fit_transform(le.fit_transform(lst).reshape(-1, 1))  # reshape必須
print(le.classes_)
print(X)

""" =>
['カレー' 'スパゲティ' 'ハンバーグ' 'ピザ']
[[1. 0. 0. 0.]
 [0. 0. 1. 0.]
 [1. 0. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 1. 0.]
 [0. 1. 0. 0.]
 [0. 0. 0. 1.]]
"""

Comments

[MOSMOS2]

ありがとうございました。