我的数据集如下：
症状 (X( ：： 条件 (Y(
发烧、头痛、失明 ：： 瓦格纳综合征 牙痛，发烧 ，尿甜 ：： 武里府疾病
失明，流鼻血，发烧 ：： 泰勒综合征
其中 X 是特征，Y 是我的标签。 我想将 X 编码为一个热编码矩阵。 Panda 的get_dummies无法在一列中处理多个值，但如果我将 X 拆分为多列，我将失去将症状编码到同一个 one-hot 矩阵的能力
有什么想法吗？
你可以用Sklearn CountVectoriser做到这一点，每个单词都是一列，行一个观察。如果将二进制标记设置为 true，则对于每行(如果存在单词(，它将表示为该行|列的 1。将二进制设置为 False，这是该单词在句子中出现的次数。
确切地说，您的要求不是独热编码。对于一个热编码，只有值为 1 的特征，所有其他特征均为 0。因此，您可以考虑将 X 拆分为多个特征，然后在 sklearn 中使用 OrdinalEncoder。