如何对分类列执行类独热编码，用另一列值替代默认的1？

直接用Pandas就能实现这个需求，以下是两种简洁的实现方式：

方法一：独热编码矩阵 × Content %列 #

这种方法先生成标准独热编码矩阵，再逐行乘以对应行的Content %值，自动替换1为目标数值，其余保持0。

import pandas as pd

# 构造示例数据（替换成你的真实数据）
df = pd.DataFrame({
    'labels_column': ['A', 'B', 'A', 'C'],
    'Content %': [0.25, 0.75, 0.5, 0.3]
})

# 生成编码矩阵：独热编码 × Content %值
encoded_matrix = pd.get_dummies(df['labels_column']) * df['Content %'].values.reshape(-1, 1)

# 合并原数据其他列（如果需要保留）
final_df = pd.concat([df.drop(['labels_column', 'Content %'], axis=1), encoded_matrix], axis=1)

方法二：透视表直接映射 #

如果你的数据每行是独立样本，用透视表可以直接将标签映射为列，Content %值填充对应位置，其余补0：

# 基于原索引生成透视表，避免重复行聚合
encoded_df = df.pivot_table(
    index=df.index,
    columns='labels_column',
    values='Content %',
    fill_value=0
)

# 合并其他列
final_df = pd.concat([df.drop(['labels_column', 'Content %'], axis=1), encoded_df], axis=1)

说明 #

• 两种方法都会自动识别labels_column中的所有类别，无需手动指定
• 如果存在同一标签对应多行的情况，方法二默认会对Content %值做均值聚合，你可以通过aggfunc参数修改聚合方式（比如aggfunc='sum'）

内容的提问来源于stack exchange，提问作者Alex