Python中拆分多值列后生成含Yes/No标记新列的实现方法咨询

嘿，我看了你遇到的问题啦——把包含多个疾病的列拆分成单独的Yes/No标记列，其实不用你之前那种先拆分再处理的复杂方式，pandas里有个专门的工具可以一步搞定，超级方便！

首先，你之前用str.split()再concat的方法会生成一堆零散的列，还要处理None值，确实有点麻烦。推荐你试试str.get_dummies()这个方法，它专门用来处理这种用分隔符分隔的多值列，直接生成每个类别对应的哑变量（0/1），然后我们再把0/1转换成你想要的Yes/No就行。

给你一步步演示怎么操作：

1. 先构造你的示例数据（方便你测试） #

import pandas as pd

# 你的原始数据
data = {
    'sampleID': ['P01', 'P02', 'P03', 'P04', 'P05'],
    'comorbidities': ['hypertension, diabetes', 'hypertension, diabetes', 'diabetes', 'CHD, asthma', 'asthma, hypertension']
}
df = pd.DataFrame(data)

2. 生成疾病的哑变量列 #

这里要注意你的分隔符是逗号加空格（, ），所以一定要在get_dummies里指定sep=', '，避免生成带空格的列名：

# 生成每个疾病的0/1标记列
disease_dummies = df['comorbidities'].str.get_dummies(sep=', ')

这一步执行完，你会得到一个新的DataFrame，列名是所有出现过的疾病，每行对应0（没有该疾病）或1（有该疾病）。

3. 把0/1转换成Yes/No #

如果你想要的是Yes/No而不是数字标记，用replace方法批量替换就行：

disease_dummies = disease_dummies.replace({1: 'yes', 0: 'no'})

4. 合并到原始DataFrame #

最后把生成的标记列和你的原始数据合并起来：

final_df = pd.concat([df, disease_dummies], axis=1)

最终结果 #

执行完上面的步骤，final_df就完全是你想要的格式了：

额外小提示 #

如果你的原始数据里有格式不规范的情况（比如有的地方是逗号无空格，有的是逗号加空格），可以先预处理一下，统一格式：

# 先把所有分隔符换成逗号，再去掉每个疾病名称的空格，最后重新用逗号加空格连接
df['comorbidities'] = df['comorbidities'].str.replace(', ', ',').str.split(',').apply(lambda x: [s.strip() for s in x]).str.join(', ')

这样能确保get_dummies正确识别所有疾病类别。

这个方法比你之前尝试的groupby或者拆分后处理要高效得多，pandas的这类内置方法就是专门用来解决这类数据清洗问题的，以后遇到类似的多值列拆分需求都可以用它~

备注：内容来源于stack exchange，提问作者Dana Yang