如何在Pandas DataFrame中将多值分类列转换为虚拟变量列并移除原列

没问题，这是个很常见的多类别列转独热编码需求，针对逗号分隔的多值列，我们可以用Pandas的内置工具快速实现，全程代码简洁易懂，步骤如下：

步骤拆解与代码实现 #

1. 构造原始DataFrame（已有数据源可跳过） #

先还原你给出的示例数据：

import pandas as pd

data = {
    'ID': [0, 1, 2, 3],
    'column_factors': ['fact1', 'fact1, fact2', 'fact3', 'fact1,fact4'],
    'column1': ['d', 'a', 'b', 'c'],
    'column2': ['w', 'x', 'y', 'z']
}
df = pd.DataFrame(data)

2. 统一多值列的分隔格式 #

观察数据能看到，column_factors里有两种分隔形式：fact1, fact2（逗号加空格）和fact1,fact4（纯逗号），为了避免生成带空格的列名，先统一成纯逗号分隔：

df['column_factors'] = df['column_factors'].str.replace(', ', ',')

3. 生成独热编码虚拟列 #

用Pandas的str.get_dummies()方法直接处理多值列，它会自动识别所有唯一的factor，生成对应0/1值的列：

factor_dummies = df['column_factors'].str.get_dummies(sep=',')

4. 合并数据并整理结构 #

把生成的虚拟列和原DataFrame合并，同时移除原来的column_factors列，最后调整列顺序匹配你的需求：

# 合并数据：去掉原列 + 合并虚拟列
result_df = pd.concat([df.drop('column_factors', axis=1), factor_dummies], axis=1)

# 调整列顺序（可选，完全匹配目标输出结构）
result_df = result_df[['ID', 'fact1', 'fact2', 'fact3', 'fact4', 'column1', 'column2']]

最终输出 #

运行上述代码后，result_df就是你想要的结构：

ID  fact1  fact2  fact3  fact4 column1 column2
0   0      1      0      0      0       d       w
1   1      1      1      0      0       a       x
2   2      0      0      1      0       b       y
3   3      1      0      0      1       c       z

补充说明 #

• 如果你的column_factors里没有混合空格的情况，可以跳过第二步的replace操作，直接用str.get_dummies(sep=',')；
• str.get_dummies()会自动识别所有出现过的factor，不需要手动指定要生成fact1到fact4这些列，非常灵活；
• 调整列顺序的步骤是可选的，如果不关心列的顺序，直接合并即可。

内容的提问来源于stack exchange，提问作者Watzinki