如何在Pandas中基于YouTube视频标签列表填充对应列的存在标记值

嘿，我来帮你搞定这个标签列填充的事儿！你已经完成了读取数据和提取标签的步骤，现在就差最后一步给新增的标签列赋值了对吧？

首先先给你优化一下标签提取的代码——你原来的方法用了join再split，其实用Pandas的explode更简洁高效：

# 提取所有唯一标签，一步到位
all_tags = df['tags'].explode().unique().tolist()

接下来给你两种填充标签列的方法，按需选择：

方法一：直观逐行判断（适合新手理解逻辑） #

这种方法逻辑直白，一眼就能看明白：

# 先复制原DataFrame，避免修改原始数据
df_tags_as_columns = df.copy()
# 遍历每个标签，给对应列赋值
for tag in all_tags:
    df_tags_as_columns[tag] = df_tags_as_columns['tags'].apply(lambda x: 1 if tag in x else pd.NA)

这里用pd.NA是Pandas推荐的空值表示，比np.nan更适配Pandas的类型系统。

方法二：高效批量处理（适合数据量大的情况） #

如果你的视频数据比较多，这种方法性能会好很多：

# 先把每个视频的标签拆成单独行，生成独热编码
tag_dummies = pd.get_dummies(df['tags'].explode()).groupby(level=0).max()
# 把独热编码和原数据合并
df_tags_as_columns = pd.concat([df, tag_dummies], axis=1)
# 如果需要把0替换成NaN（完全匹配你的需求）
df_tags_as_columns = df_tags_as_columns.replace(0, pd.NA)

这里的逻辑是：explode把每个标签拆成一行，get_dummies自动生成每个标签的列，存在标签的行赋值1，否则0；然后按原视频的索引分组取最大值，把同一个视频的所有标签行合并，最后把0换成NaN就完美符合你的要求了。

另外提一句：你原来用pd.concat([df, pd.DataFrame(columns=all_tags)])的方式会多出来一行空数据，因为空的DataFrame默认会加一行，所以用上面的方法直接处理会更稳妥哦！

内容的提问来源于stack exchange，提问作者Ayush Mandowara