如何以Pythonic方式将字典转换为稀疏矩阵形式的DataFrame

嘿，我完全懂你想要的效果——把这些包含分组/元素的字典转换成一个类似独热编码的稀疏矩阵形式的DataFrame对吧？你当前的方法得到的是每行对应原列表元素、缺失值为None的结构，但目标是让所有元素作为列，用1标记存在、0标记不存在。这里有两种很Pythonic的实现方式：

方法一：纯Python+pandas实现（无需额外库） #

这种方法用集合推导式和字典推导式来构建数据，逻辑清晰且不需要依赖其他库：

import pandas as pd

# 你的原始字典
aa = {"a": ["group_a", "group_b", "group_c"]}
ab = {"b": ["x", "y"]}
ba = {"c": ["group_b"]}

# 合并所有字典
combined_dict = {**aa, **ab, **ba}

# 收集所有唯一的列名（用集合去重，排序可选）
all_columns = sorted({item for sublist in combined_dict.values() for item in sublist})

# 为每个键生成对应的1/0列表
matrix_data = {
    key: [1 if col in values else 0 for col in all_columns]
    for key, values in combined_dict.items()
}

# 转换为DataFrame并调整结构
result_df = pd.DataFrame(matrix_data).T
result_df.columns = all_columns

print(result_df)

方法二：利用MultiLabelBinarizer（更简洁高效） #

如果你已经在使用scikit-learn，MultiLabelBinarizer是专门处理这类多标签二值化的工具，代码会更简洁：

from sklearn.preprocessing import MultiLabelBinarizer
import pandas as pd

# 你的原始字典
aa = {"a": ["group_a", "group_b", "group_c"]}
ab = {"b": ["x", "y"]}
ba = {"c": ["group_b"]}

# 合并所有字典
combined_dict = {**aa, **ab, **ba}

# 初始化二值化工具并转换数据
mlb = MultiLabelBinarizer()
result_df = pd.DataFrame(
    mlb.fit_transform(combined_dict.values()),
    index=combined_dict.keys(),
    columns=mlb.classes_
)

print(result_df)

两种方法都会输出你想要的结果：

group_a  group_b  group_c  x  y
a            1        1        1  0  0
b            0        0        0  1  1
c            0        1        0  0  0

这两种方式都符合Python的简洁风格，第一种适合不想引入额外依赖的场景，第二种利用现成工具更高效，你可以根据自己的需求选择~

备注：内容来源于stack exchange，提问作者AndreasInfo