求助：基于已有疾病症状DataFrame构造新DataFrame的方法

步骤1：补全缺失字段值 #

原始DataFrame中desease和occurences列仅每组症状的首行有值，其余为空，用前向填充补全这些缺失值：

import pandas as pd

# 假设原始数据已读入为df
df['desease'] = df['desease'].ffill()
df['occurences'] = df['occurences'].ffill()

步骤2：对症状列生成独热编码 #

利用pd.get_dummies将症状列转换为二进制标记列，每个症状对应一列，出现标记为1，未出现为0：

symptom_dummies = pd.get_dummies(df['symptoms'], prefix='', prefix_sep='')

步骤3：按疾病分组聚合 #

以desease和occurences为分组依据，对独热编码后的列取最大值（确保同一疾病的所有症状都标记为1）：

aggregated = symptom_dummies.groupby([df['desease'], df['occurences']]).max().reset_index()

步骤4：调整列顺序 #

将occurences和desease列移至末尾，与目标格式对齐：

# 提取所有症状列
symptom_cols = [col for col in aggregated.columns if col not in ['desease', 'occurences']]
# 重新排列列
final_df = aggregated[symptom_cols + ['occurences', 'desease']]

运行上述代码后，即可得到你需要的目标DataFrame格式。

内容的提问来源于stack exchange，提问作者henri azemena