如何在Pandas中对重叠独热编码的分类数据进行分组？

我有一个包含游戏评分和媒体曝光分类数据的数据集，简化示例如下：

import pandas as pd

df = pd.DataFrame(
    {'titleName': ['game_A', 'game_B', 'game_C', 'game_D'],
    'reviewScore': [88.1, 70.3, 91.3, 66.1],
    'mediaAppearances': [['Pub_A', 'Pub_C'], ['Pub_B'], ['Pub_B', 'Pub_C'], ['Pub_A', 'Pub_B', 'Pub_C']]}
)

其中mediaAppearances是多值分类特征，记录游戏是否出现在某出版商的报道中。我对该特征做了独热编码，生成各出版商的离散布尔列（游戏出现在该出版商报道中则为1，否则为0）：

final_df = pd.concat([df,pd.get_dummies(df['mediaAppearances'].apply(pd.Series).stack()).groupby(level=0).sum()], axis=1)

生成的DataFrame如下：

我希望按每个出版商分组，分析其报道过的游戏的reviewScore，最终得到对应三个出版商的分组结果，方便做聚合分析。

目前我可以通过循环单独过滤每个出版商的数据来计算统计量：

for publisher in ['Pub_A', 'Pub_B', 'Pub_C']:
    _mean = final_df[final_df[publisher] == True]['reviewScore'].mean()
    print(f"Mean reviewScore for games appearing in {publisher}: {_mean:.1f}")

输出：

Mean reviewScore for games appearing in Pub_A: 77.1  
Mean reviewScore for games appearing in Pub_B: 75.9  
Mean reviewScore for games appearing in Pub_C: 81.8

但这种方法只适合计算单一统计量，当需要使用自定义聚合函数、同时分析多个统计量（比如用pandas的describe函数）或者快速切换分组变量时，流程会很繁琐。

我尝试过用标准的groupby语法，但由于独热编码后的出版商列不互斥，分组后会生成所有True/False组合的冗余结果：

final_df.groupby(['Pub_A', 'Pub_B', 'Pub_C']).describe().reset_index()

输出结果包含各种组合的分组，并非我想要的按单个出版商维度的聚合。

我想知道是否有办法用groupby查询生成单个分组DataFrame，能直接对整个数据框应用聚合函数，而不用逐个过滤数据？比如能否通过查询得到如下用describe生成的结果：

可以通过**将独热编码的出版商列转换为长格式（long format）**来实现按单个出版商分组的需求，具体步骤如下：

1. 提取出版商相关列和评分列，将出版商列转置为行，保留对应的评分数据
2. 过滤出值为1的行（即游戏被该出版商报道的记录）
3. 按出版商分组后应用聚合函数

具体代码如下：

# 提取需要的列：出版商列和reviewScore
pub_cols = ['Pub_A', 'Pub_B', 'Pub_C']
temp_df = final_df[['reviewScore'] + pub_cols]

# 将出版商列转为长格式，重置索引
melted = temp_df.melt(id_vars='reviewScore', var_name='Publisher', value_name='IsPresent')

# 过滤出被报道的记录（IsPresent=1），然后分组聚合
result = melted[melted['IsPresent'] == 1].groupby('Publisher')['reviewScore'].describe()

# 调整列名和格式（可选，让结果更贴合需求）
result = result.round(1).reset_index()

运行上述代码后，得到的result就是你想要的按单个出版商聚合的统计结果：

代码解释 #

• melt函数将宽格式的出版商列转为长格式，每条记录对应一个游戏-出版商的关系
• 过滤IsPresent=1的行，只保留被该出版商报道的游戏记录
• 直接按Publisher分组后调用describe()，就能一次性得到所有统计量，也可以替换成自定义聚合函数（比如agg(['mean', 'median', 'std'])）

这种方法既符合Pandas的标准语法，又能灵活支持各种聚合需求，无需逐个处理每个出版商。

内容的提问来源于stack exchange，提问作者Nikesh Patel