如何创建多分类数据集？Python高效处理多标签重复输入DataFrame的优化方案

我有如下所示的DataFrame：

df = pd.DataFrame(np.array([['I am a bear', 'Animal'], ['I am a bird', 'Bird'], ['I am a Bat', 'Animal'],['I am a Bat', 'Bird']]), columns=['Title', 'Task'])

对应的表格：

由于同一输入（'I am a Bat'）对应不同的类标签，这属于多标签任务。我目前的处理方式是对重复项进行分组，然后添加包含所有标签的新列，但该操作较为繁琐。请问是否存在更具Python风格（Pythonic）的实现方式？

预期输出：

嘿，这个需求完全不用手动折腾分组！用pandas的内置方法就能轻松实现，两种Pythonic的方式供你选择：

方法一：使用pivot_table #

pivot_table可以直接帮你把Task列的不同值转成新列，同时用聚合函数标记是否存在该标签：

import pandas as pd
import numpy as np

# 原始DataFrame
df = pd.DataFrame(np.array([['I am a bear', 'Animal'], ['I am a bird', 'Bird'], ['I am a Bat', 'Animal'],['I am a Bat', 'Bird']]), columns=['Title', 'Task'])

# 生成透视表，aggfunc用lambda返回1表示存在该标签，fill_value填充0
result = df.pivot_table(index='Title', columns='Task', aggfunc=lambda x: 1, fill_value=0).reset_index()

# 重命名列名以匹配预期格式
result.columns = ['Title', 'Label1 (Animal)', 'Label2 (Bird)']

print(result)

方法二：get_dummies + groupby.max() #

先对Task列做独热编码，再按Title分组取最大值（确保同一个Title的所有标签都被保留为1）：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.array([['I am a bear', 'Animal'], ['I am a bird', 'Bird'], ['I am a Bat', 'Animal'],['I am a Bat', 'Bird']]), columns=['Title', 'Task'])

# 对Task列生成独热编码
dummies_df = pd.get_dummies(df, columns=['Task'])

# 按Title分组，取最大值（同一Title下的标签只要出现过就保留1）
result = dummies_df.groupby('Title').max().reset_index()

# 重命名列名
result.columns = ['Title', 'Label1 (Animal)', 'Label2 (Bird)']

print(result)

这两种方法都避免了手动循环或繁琐的分组操作，完全利用pandas的高效内置函数，非常符合Pythonic的简洁风格~

内容的提问来源于stack exchange，提问作者user42