如何从列表提取关键词，并为每个关键词创建独立数据列？

假设你用Pandas处理数据，以下是具体操作步骤：

1. 准备示例数据 #

先构造模拟数据（替换成你的真实DataFrame即可）：

import pandas as pd

df = pd.DataFrame({
    'id': [1, 2],
    'cuisine': [['Hot Pot', 'Korean BBQ', 'BBQ', 'Korean'], ['Desserts', 'Modern Australian']]
})

2. 获取所有唯一美食类型 #

先把列表展开，再提取不重复的美食名称：

unique_cuisines = df['cuisine'].explode().unique()

3. 为每个美食创建独立列 #

有两种常用方法：

方法一：循环判断（直观易懂） #

遍历每个唯一美食，给每行标记是否包含该美食（1=包含，0=不包含）：

for cuisine in unique_cuisines:
    df[cuisine] = df['cuisine'].apply(lambda x: 1 if cuisine in x else 0)

方法二：向量化操作（高效处理大数据） #

通过展开列表、生成哑变量，再按原行索引聚合求和，效率更高：

# 展开列表并生成哑变量，再按原行号分组求和
cuisine_dummies = df['cuisine'].explode().str.get_dummies().groupby(level=0).sum()
# 将哑变量列合并到原DataFrame
df = df.join(cuisine_dummies)

补充处理：避免重复值导致的计数异常 #

如果某行的cuisine列表存在重复元素，求和后可能出现大于1的值，可通过clip(0,1)确保列值只有0或1：

cuisine_dummies = df['cuisine'].explode().str.get_dummies().groupby(level=0).sum().clip(0,1)

最终效果 #

处理后的DataFrame会新增Hot Pot、Korean BBQ、BBQ、Korean、Desserts、Modern Australian等列，每行对应位置为1表示该行包含该美食，0则不包含。

内容的提问来源于stack exchange，提问作者Mahbub Abdullah