如何用pandas get_dummies处理含多值的行生成哑变量？

问题原因 #

直接使用pd.get_dummies()时，函数会将每行的完整字符串视为一个独立类别，而非识别其中的单个水果，因此生成了错误的列。

解决方案 #

有两种简洁的实现方式：

方法一：使用str.get_dummies（推荐）

利用Pandas字符串方法str.get_dummies，指定分隔符即可直接生成目标哑变量：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'Fruits': ['apple, banana, strawberry', 'apple', 'strawberry, apple']
})

# 生成哑变量
dummies = df['Fruits'].str.get_dummies(sep=', ')
print(dummies)

方法二：拆分展开后聚合

如果需要更灵活的处理（比如后续有其他操作），可以先拆分字符串为列表，展开后生成哑变量再按原索引求和：

import pandas as pd

df = pd.DataFrame({
    'Fruits': ['apple, banana, strawberry', 'apple', 'strawberry, apple']
})

# 拆分字符串为列表并展开每个元素
df_expanded = df['Fruits'].str.split(', ', expand=False).explode()

# 生成哑变量并按原索引聚合求和
dummies = pd.get_dummies(df_expanded).groupby(df_expanded.index).sum()
print(dummies)

输出结果 #

两种方法都会得到目标数据：

内容的提问来源于stack exchange，提问作者A K