批量处理Pandas Series对应DataFrame列赋值问题求助

核心思路 #

借助Pandas的explode拆分列表元素，结合交叉表或透视表快速批量生成目标列，彻底替代逐个列手动赋值的低效操作。

方案1：生成1/0存在性标记列 #

如果只需要标记设备是否存在，用以下代码自动生成所有设备对应的标记列：

# 拆分Equipment列的列表元素，保留原索引
exploded_df = df.explode('Equipment')
# 生成交叉表，行对应原数据行索引，列是设备名称，值为1（存在）
equipment_markers = pd.crosstab(exploded_df.index, exploded_df['Equipment'])
# 合并回原DataFrame，未出现的设备自动填充0
df = df.join(equipment_markers)

若列表存在重复值，可加.clip(upper=1)确保标记值始终为1：

equipment_markers = pd.crosstab(exploded_df.index, exploded_df['Equipment']).clip(upper=1)

方案2：复制对应设备值到目标列 #

如果需要将列表中出现的设备值直接填入对应列，用透视表实现：

# 拆分列表并重置索引，保留原数据行的索引关联
exploded_df = df.explode('Equipment').reset_index()
# 透视生成设备列，值为Equipment字段的内容
equipment_values = exploded_df.pivot(
    index='index', 
    columns='Equipment', 
    values='Equipment'
)
# 空值填充为0（或你需要的默认值），合并回原DataFrame
equipment_values = equipment_values.fillna(0)
df = df.join(equipment_values)

适配现有设备列的场景 #

如果原DataFrame已有部分设备列，可先筛选目标设备，避免重复生成：

# 假设现有设备列以'Eq_'开头，提取需要处理的设备名称
target_equipments = [col.replace('Eq_', '') for col in df.columns if col.startswith('Eq_')]
# 只处理目标设备的拆分数据
exploded_df = df.explode('Equipment')
exploded_df = exploded_df[exploded_df['Equipment'].isin(target_equipments)]
# 后续执行方案1或方案2的代码

内容的提问来源于stack exchange，提问作者ioSven