Заполнение пустого (NaN) столбца 0 или 1 в зависимости от того, находится ли значение в списке из другого столбца

Question

У меня есть следующий фрейм данных:

import pandas as pd
import numpy as np

df = pd.DataFrame({'Q1': ['A,B', 'A,C', 'A,B', 'B,C', 'A,B,C','C,B,A','B,C,A'],
               'Q2': ['B,A', 'C,A', 'B,C,A', 'A,B', 'A,C', 'B,C','C,B'], 
               'Q3': ['C,A', 'C,B', 'A,B', 'C,B', 'A,B,C','A,B,C','C,A']})

df['Q1'] = df['Q1'].apply(lambda x: x.split(','))
df['Q2'] = df['Q2'].apply(lambda x: x.split(','))
df['Q3'] = df['Q3'].apply(lambda x: x.split(','))

colQ1 = df["Q1"].explode().unique()
colQ1df = pd.DataFrame(columns = colQ1)

df = pd.concat([df, colQ1df], sort=False)

print(df)

Я хочу заполнить новый столбец 'A' ​​цифрой '1', если столбец 'Q1' содержит 'A', и 0, если нет.

Answer 1

Не разбивайте значения, лучше использовать Series.str.get_dummies с concat, если необходимо обрабатывать каждый столбец одинаково:

df = pd.DataFrame({'Q1': ['A,B', 'A,C', 'A,B', 'B,C', 'A,B,C','C,B,A','B,C,A'],
               'Q2': ['B,A', 'C,A', 'B,C,A', 'A,B', 'A,C', 'B,C','C,B'], 
               'Q3': ['C,A', 'C,B', 'A,B', 'C,B', 'A,B,C','A,B,C','C,A']})

df = pd.concat([df[x].str.get_dummies(',') for x in df], keys=df.columns, axis=1)
df.columns = df.columns.map('_'.join)
print (df)
   Q1_A  Q1_B  Q1_C  Q2_A  Q2_B  Q2_C  Q3_A  Q3_B  Q3_C
0     1     1     0     1     1     0     1     0     1
1     1     0     1     1     0     1     0     1     1
2     1     1     0     1     1     1     1     1     0
3     0     1     1     1     1     0     0     1     1
4     1     1     1     1     0     1     1     1     1
5     1     1     1     0     1     1     1     1     1
6     1     1     1     0     1     1     1     0     1

Если хотите каждый столбец для разделения Dataframe:

df1 = df['Q1'].str.get_dummies(',')
print (df1)
 A  B  C
0  1  1  0
1  1  0  1
2  1  1  0
3  0  1  1
4  1  1  1
5  1  1  1
6  1  1  1

Answer 2

Вы можете использовать apply:

df['A'] = df['Q1'].apply(lambda x: '1' if 'A' in x else '0') 

Это так?