如何在Pandas DataFrame中创建话题虚拟列并填充对应value值？

原始数据 #

原始数据集结构如下：

reviewId   topic   value
      01       2      -4
      02       2       9
      03       0      -7
      04       5      -1
      05       1      38

可复现的Pandas初始化代码：

import pandas as pd

raw_df = pd.DataFrame({
    'reviewId': ['01', '02', '03', '04', '05'],
    'topic': [2, 2, 0, 5, 1],
    'value': ['-4', '9', '-7', '-1', '38']})

需求目标 #

为话题1-5创建新列t1-t5，当某行topic等于对应编号时填充该行的value值，否则填充0，最终表格结构如下：

解决方案 #

方法一：循环创建列（直观易懂） #

先将value列转换为数值类型，再逐一生成t1-t5列：

# 转换value为整数类型
raw_df['value'] = raw_df['value'].astype(int)

# 循环创建t1到t5列
for topic_num in range(1, 6):
    raw_df[f't{topic_num}'] = raw_df.apply(
        lambda row: row['value'] if row['topic'] == topic_num else 0,
        axis=1
    )

# 调整列顺序匹配目标结构
result_df = raw_df[['reviewId', 'topic', 'value', 't1', 't2', 't3', 't4', 't5']]

方法二：虚拟列乘法（高效批量处理） #

利用pd.get_dummies生成虚拟列，再与value列相乘实现批量赋值，适合大数据集：

import pandas as pd

# 转换value为整数类型
raw_df['value'] = raw_df['value'].astype(int)

# 生成话题虚拟列，前缀为t
topic_dummies = pd.get_dummies(raw_df['topic'], prefix='t').astype(int)
# 过滤出t1-t5列，排除t0（未分配话题）
topic_dummies = topic_dummies.filter(regex=r't[1-5]')
# 虚拟列与value相乘，得到对应话题的数值
topic_values = topic_dummies.mul(raw_df['value'], axis=0)

# 合并原始数据与话题数值列
result_df = pd.concat([raw_df, topic_values], axis=1)

# 补充缺失的t3、t4列（原始数据无对应话题）并填充0
for col in ['t1', 't2', 't3', 't4', 't5']:
    if col not in result_df.columns:
        result_df[col] = 0

# 调整列顺序
result_df = result_df[['reviewId', 'topic', 'value', 't1', 't2', 't3', 't4', 't5']]

两种方法都能得到目标表格，方法一逻辑直观，适合小数据集；方法二效率更高，适合大规模数据处理。

内容的提问来源于stack exchange，提问作者Dewani