在 Pandas DataFrame 中拆分列列表

我正在寻找解决以下问题的好方法。我当前的修复不是特别干净，我希望从您的见解中学习。

假设我有一个 Panda DataFrame，其条目如下所示：

>>> df=pd.DataFrame(index=[1,2,3],columns=['Color','Texture','IsGlass'])

>>> df['Color']=[np.nan,['Red','Blue'],['Blue', 'Green', 'Purple']]
>>> df['Texture']=[['Rough'],np.nan,['Silky', 'Shiny', 'Fuzzy']]
>>> df['IsGlass']=[1,0,1]

>>> df
                            Color                   Texture   IsGlass
    1                         NaN                  ['Rough']        1
    2              ['Red', 'Blue']                       NaN        0 
    3  ['Blue', 'Green', 'Purple']  ['Silky','Shiny','Fuzzy']       1

因此，索引中的每个观察结果都对应于我对它的颜色、纹理以及是否是玻璃的测量。我想做的是将其转换为一个新的“指标”DataFrame，方法是为每个观察到的值创建一列，如果我观察到它，则将相应的条目更改为 1，如果我没有信息，则将相应的条目更改为 NaN。

>>> df
         Red Blue Green Purple Rough Silky Shiny Fuzzy Is Glass               
    1    Nan  Nan  Nan   Nan    1     NaN   Nan   Nan     1        
    2     1    1   Nan   Nan    Nan   Nan   Nan   Nan     0 
    3    Nan   1    1     1     Nan    1     1     1      1

我有一个解决方案，它循环遍历每一列，查看其值，并通过一系列非 Nan 值的 Try/Excepts 拆分列表，创建一个新列等，然后连接。

这是我在 StackOverflow 上发表的第一篇文章 - 我希望这篇文章符合发布指南。谢谢。

堆叠技巧！

from sklearn.preprocessing import MultiLabelBinarizer

mlb = MultiLabelBinarizer()

df = df.stack().unstack(fill_value=[])

def b(c):
    d = mlb.fit_transform(c)
    return pd.DataFrame(d, c.index, mlb.classes_)

pd.concat([b(df[c]) for c in ['Color', 'Texture']], axis=1).join(df.IsGlass)

   Blue  Green  Purple  Red  Fuzzy  Rough  Shiny  Silky IsGlass
1     0      0       0    0      0      1      0      0       1
2     1      0       0    1      0      0      0      0       0
3     1      1       1    0      1      0      1      1       1