如何统计Pandas DataFrame中Equipment字段值出现次数并生成对应列

你的核心需求是把逗号分隔的Equipment字段拆分为独热编码列（存在为1，不存在为0），原代码的问题在于错误地对index列执行了explode，且未处理字符串中的空格（比如" Android"带空格会生成错误的列名）。以下是两种正确实现方式：

方法一：拆分展开后生成哑变量 #

import pandas as pd

data = {'Equipment': ['ABS, Android, Zentralverriegelung', 'Xenon, ABS, Apple', 'Android, Hupe, Blinker', 'Radio, CD', '', 'ABS, Android, Zentralverriegelung'],
        'Col1': ['aaa', 'aaa', 'aaa', 'aaa', 'aaa', 'aaa'],
        'Col2': ['bbb', 'bbb', 'bbb', 'bbb', 'bbb', 'bbb'],
        'Col3': ['ccc', 'ccc', 'ccc', 'ccc', 'ccc', 'ccc'],
        'Col4': ['ddd', 'ddd', 'ddd', 'ddd', 'ddd', 'ddd'],
        'Col5': ['eee', 'eee', 'eee', 'eee', 'eee', 'eee'],
        }

df = pd.DataFrame(data)

# 拆分Equipment为多列并展开，同时去除每个元素的空格
exploded = df['Equipment'].str.split(',', expand=True).stack().str.strip()
# 过滤空字符串（处理Equipment为空的情况）
exploded = exploded[exploded != '']
# 生成哑变量后按原索引分组求和，同一行的同一Equipment只会出现一次，求和结果为1
dummies = pd.get_dummies(exploded).groupby(level=0).sum()
# 合并原表（去掉Equipment字段）和哑变量列，缺失值填充为0并转为整数
result = pd.concat([df.drop('Equipment', axis=1), dummies], axis=1).fillna(0).astype(int)

print(result)

方法二：简洁的字符串处理+get_dummies #

import pandas as pd

data = {'Equipment': ['ABS, Android, Zentralverriegelung', 'Xenon, ABS, Apple', 'Android, Hupe, Blinker', 'Radio, CD', '', 'ABS, Android, Zentralverriegelung'],
        'Col1': ['aaa', 'aaa', 'aaa', 'aaa', 'aaa', 'aaa'],
        'Col2': ['bbb', 'bbb', 'bbb', 'bbb', 'bbb', 'bbb'],
        'Col3': ['ccc', 'ccc', 'ccc', 'ccc', 'ccc', 'ccc'],
        'Col4': ['ddd', 'ddd', 'ddd', 'ddd', 'ddd', 'ddd'],
        'Col5': ['eee', 'eee', 'eee', 'eee', 'eee', 'eee'],
        }

df = pd.DataFrame(data)

# 清理Equipment字段：拆分后去除空格，再重新用逗号拼接
df['Equipment_clean'] = df['Equipment'].apply(lambda x: ','.join([item.strip() for item in x.split(',') if item.strip()]))
# 直接生成独热编码列
dummies = df['Equipment_clean'].str.get_dummies(sep=',')
# 合并原表和哑变量列，清理中间字段
result = pd.concat([df.drop(['Equipment', 'Equipment_clean'], axis=1), dummies], axis=1)

print(result)

两种方法最终都会生成包含Col1-Col5以及所有Equipment值对应列的DataFrame，每个Equipment列的值为1（该行包含该设备）或0（不包含）。

内容的提问来源于stack exchange，提问作者ioSven