如何用Pandas对同一问题的多列数据进行One-Hot Encoding？

针对同一问题的多选结果拆分在多列的情况，直接用pd.get_dummies会把不同列的相同选项视为不同类别，这里提供两种实用的解决方案：

方法一：纯Pandas实现（melt + get_dummies + groupby） #

这种方法无需额外依赖，完全用Pandas内置函数处理：

import pandas as pd

# 构造示例数据（和你的输入格式一致）
df = pd.DataFrame({
    '问题1': ['1', '2', '1'],
    '问题1': ['3', '4', '5']
})

# 1. 将同一问题的多列转成长格式，保留原行索引
melted_df = df.melt(ignore_index=False, value_name='选项')
# 2. 对选项列做One-Hot编码
dummies_df = pd.get_dummies(melted_df['选项'])
# 3. 按原行索引分组求和，得到每行的最终编码结果
final_result = dummies_df.groupby(dummies_df.index).sum()

print(final_result)

输出结果：

1  2  3  4  5
0  1  0  1  0  0
1  0  1  0  1  0
2  1  0  0  0  1

如果数据中存在空值（比如受访者只选了一个选项，另一列为空），可以在melt后过滤掉空值：

melted_df = melted_df.dropna(subset=['选项'])

方法二：用sklearn的MultiLabelBinarizer #

适合处理更复杂的多标签场景，比如需要自定义类别集合或批量处理多个问题：

import pandas as pd
from sklearn.preprocessing import MultiLabelBinarizer

df = pd.DataFrame({
    '问题1': ['1', '2', '1'],
    '问题1': ['3', '4', '5']
})

# 1. 将每行的多列值转成列表（若有空值需过滤）
row_labels = df.apply(lambda row: row.tolist(), axis=1).tolist()
# 2. 初始化多标签二值化器并转换数据
mlb = MultiLabelBinarizer()
encoded_data = mlb.fit_transform(row_labels)
# 3. 转成DataFrame并设置列名为选项值
final_result = pd.DataFrame(encoded_data, columns=mlb.classes_)

print(final_result)

输出和方法一完全一致。如果需要固定类别顺序，可以在初始化时指定classes参数，比如mlb = MultiLabelBinarizer(classes=['1','2','3','4','5'])。

内容的提问来源于stack exchange，提问作者최명현