如何从含日期列表的单元格填充DataFrame日期列

问题背景 #

现有仅包含Name和Absences两列的数据集，Absences以逗号分隔存储缺勤日期。已手动创建对应日期的列（初始值全为0），需要将Absences中出现的日期对应的单元格填充为1，最终得到目标格式的DataFrame。

方案一：基于已有日期列的行级填充 #

如果已经创建了全0的日期列，可以通过拆分缺勤日期列表，逐行判断填充：

import pandas as pd

# 初始化数据（含已创建的日期列）
data = {
    'Name': ['Student1', 'Student2', 'Student3', 'Student4'],
    'Absences': ['9/1,9/3,9/4,9/5', '9/1,9/2,9/6', '9/1,9/2,9/3', '9/2'],
    '9/1': [0,0,0,0], '9/2': [0,0,0,0], '9/3': [0,0,0,0],
    '9/4': [0,0,0,0], '9/5': [0,0,0,0], '9/6': [0,0,0,0]
}
df = pd.DataFrame(data)

# 将Absences拆分为列表
df['_abs_list'] = df['Absences'].str.split(',')

# 获取所有日期列
date_cols = [col for col in df.columns if '/' in col]

# 逐行遍历填充
for idx, row in df.iterrows():
    for date in row['_abs_list']:
        df.loc[idx, date] = 1

# 删除临时辅助列
df.drop('_abs_list', axis=1, inplace=True)

方案二：从原始数据直接生成目标DataFrame（更高效） #

如果还未创建日期列，推荐用Pandas的向量化操作直接生成，避免循环，效率更高：

import pandas as pd

# 原始仅两列的数据
data = {
    'Name': ['Student1', 'Student2', 'Student3', 'Student4'],
    'Absences': ['9/1,9/3,9/4,9/5', '9/1,9/2,9/6', '9/1,9/2,9/3', '9/2']
}
df = pd.DataFrame(data)

# 拆分缺勤日期并展开为行
expanded = df['Absences'].str.split(',', expand=True).stack().reset_index(level=1, drop=True).to_frame('date')

# 生成日期的哑变量（自动创建日期列，缺勤为1，否则0）
dummies = pd.get_dummies(expanded['date'], prefix='', prefix_sep='')

# 按学生分组求和（合并同一学生的多个缺勤日期）
dummies = dummies.groupby(level=0).sum()

# 合并回原始数据，并补全所有需要的日期列（缺失的日期填充0）
all_dates = ['9/1', '9/2', '9/3', '9/4', '9/5', '9/6']
result_df = df.join(dummies).reindex(columns=['Name', 'Absences'] + all_dates, fill_value=0)

方案三：使用apply自定义函数实现 #

对应你尝试的apply思路，需注意设置axis=1按行处理，并正确返回修改后的行：

import pandas as pd

data = {
    'Name': ['Student1', 'Student2', 'Student3', 'Student4'],
    'Absences': ['9/1,9/3,9/4,9/5', '9/1,9/2,9/6', '9/1,9/2,9/3', '9/2']
}
df = pd.DataFrame(data)

# 先创建所有日期列并初始化为0
date_cols = ['9/1', '9/2', '9/3', '9/4', '9/5', '9/6']
for date in date_cols:
    df[date] = 0

# 自定义填充函数
def mark_absences(row):
    abs_dates = row['Absences'].split(',')
    for date in abs_dates:
        row[date] = 1
    return row

# 按行应用函数
df = df.apply(mark_absences, axis=1)

以上三种方案都能得到你需要的目标结果，其中方案二的向量化操作在数据量较大时性能更优。

内容的提问来源于stack exchange，提问作者Matthew Rozanoff