如何为df.str.get_dummies()实现类似pd.get_dummies()的drop_first功能？

问题场景 #

现有如下Pandas Series：

0    mcdonalds, popeyes
1    wendys
2    popeyes
3    mcdonalds
4    mcdonalds
dtype: object

使用df.str.get_dummies(sep=', ')生成哑变量DataFrame后，得到：

popeyes  wendys  mcdonalds
0        1       0          1
1        0       1          0
2        1       0          0
3        0       0          1
4        0       0          1

需要避免虚拟变量陷阱，实现类似pd.get_dummies()中drop_first=True的效果，且不能硬编码指定要删除的列名。

解决方案 #

方法1：用iloc快速移除列

这是最直接的方式，通过位置索引自动移除第一列或最后一列，无需指定列名：

• 移除第一列（对应drop_first=True的默认行为）：

dummies = df.str.get_dummies(sep=', ')
result = dummies.iloc[:, 1:]

输出结果：

wendys  mcdonalds
0       0          1
1       1          0
2       0          0
3       0          1
4       0          1

• 移除最后一列（匹配给出的预期输出）：

dummies = df.str.get_dummies(sep=', ')
result = dummies.iloc[:, :-1]

输出结果：

popeyes  wendys
0        1       0
1        0       1
2        1       0
3        0       0
4        0       0

方法2：结合pd.get_dummies原生参数

如果想完全贴合pd.get_dummies的drop_first逻辑，可以先把多值Series拆成长格式，再生成哑变量：

import pandas as pd

# 拆分每个元素为单独行
long_format = df.str.split(', ', expand=True).stack().reset_index(level=1, drop=True).to_frame('brand')
# 生成哑变量并自动移除第一列，最后按原索引聚合
result = pd.get_dummies(long_format, drop_first=True).groupby(level=0).max()

这个方法生成的结果和iloc[:, :-1]一致，完全不用硬编码列名。

内容的提问来源于stack exchange，提问作者Eisen