¿Cómo codificar binariamente una variable categórica de valores múltiples desde el marco de datos de Pandas?

Supongamos que tenemos el siguiente marco de datos con múltiples valores para una determinada columna:

    categories
0 - ["A", "B"]
1 - ["B", "C", "D"]
2 - ["B", "D"]

¿Cómo podemos obtener una mesa como esta?

   "A"  "B"  "C"  "D"
0 - 1    1    0    0
1 - 0    1    1    1
2 - 0    1    0    1

Nota: No necesito necesariamente un nuevo marco de datos, me pregunto cómo transformar dichos marcos de datos en un formato más adecuado para el aprendizaje automático.

Si [0, 1, 2]son etiquetas numéricas y no es el índice, entonces pandas.DataFrame.pivot_tablefunciona:

En []:
data = pd.DataFrame.from_records (
    [[0, 'A'], [0, 'B'], [1, 'B'], [1, 'C'], [1, 'D'], [2, 'B'], [ 2, 'D']],
    columnas = ['número_etiqueta', 'categoría'])
data.pivot_table (index = ['número_etiqueta'], columnas = ['categoría'], aggfunc = [len], fill_value = 0)

Fuera[]:
              Len
categoría ABCD
etiqueta_número                       
0 1 1 0 0
1 0 1 1 1
2 0 1 0 1

Esta publicación de blog fue útil: http://pbpython.com/pandas-pivot-table-explained.html

Si [0, 1, 2]es el índice, entonces collections.Counteres útil:

En []:
data2 = pd.DataFrame.from_dict (
    {'categorías': {0: ['A', 'B'], 1: ['B', 'C', 'D'], 2: ['B', 'D']}})
data3 = data2 ['categorías']. apply (collections.Counter)
pd.DataFrame.from_records (data3) .fillna (valor = 0)

Fuera[]:
       A B C D
0 1 1 0 0
1 0 1 1 1
2 0 1 0 1