如何基于现有列的值存在情况生成含指定所有值的布尔列？

现有如下Pandas DataFrame：

import pandas as pd

df1 = pd.DataFrame(data={'col1': ['a', 'e', 'a', 'e'], 
                         'col2': ['e', 'a', 'c', 'b'], 
                         'col3': ['c', 'b', 'b', 'a']},
                        index=pd.Series([1, 2, 3, 4], name='index'))

对应的表格：

以及包含所有目标值的列表：

all_vals = ['a', 'b', 'c', 'd', 'e', 'f']

需要从df1生成包含all_vals中所有值对应布尔列的DataFrame，即使某个值未在df1中出现，最终期望得到如下结果：

方法一：基于行集合的直观实现 #

import pandas as pd

# 原始数据
df1 = pd.DataFrame(data={'col1': ['a', 'e', 'a', 'e'], 
                         'col2': ['e', 'a', 'c', 'b'], 
                         'col3': ['c', 'b', 'b', 'a']},
                        index=pd.Series([1, 2, 3, 4], name='index'))
all_vals = ['a', 'b', 'c', 'd', 'e', 'f']

# 将每行的所有值转为集合，方便快速判断存在性
row_value_sets = df1.apply(set, axis=1)

# 遍历目标值列表，生成对应布尔列
result_df = pd.DataFrame(
    {val: row_value_sets.apply(lambda x: val in x) for val in all_vals},
    index=df1.index
)

方法二：向量化高效实现（适合大数据量） #

避免循环，通过数据重塑和交叉表实现：

import pandas as pd

# 原始数据
df1 = pd.DataFrame(data={'col1': ['a', 'e', 'a', 'e'], 
                         'col2': ['e', 'a', 'c', 'b'], 
                         'col3': ['c', 'b', 'b', 'a']},
                        index=pd.Series([1, 2, 3, 4], name='index'))
all_vals = ['a', 'b', 'c', 'd', 'e', 'f']

# 重塑数据格式，将多列转为"索引-值"的长表结构
melted_data = df1.reset_index().melt(id_vars='index', value_name='val')

# 生成交叉表并转为布尔类型
temp_result = pd.crosstab(melted_data['index'], melted_data['val']).astype(bool)

# 补充all_vals中缺失的列，并按指定顺序排列
result_df = temp_result.reindex(all_vals, axis=1, fill_value=False)

两种方法均能生成符合要求的结果，其中方法二的向量化操作在处理大规模数据时性能更优。

内容的提问来源于stack exchange，提问作者bltSandwich21