如何在Python中基于文本列含指定列表至少两词创建哑变量？

需要为DataFrame创建一个哑变量innovation，满足以下条件：当lemmatised列中至少包含自定义列表innovation_words里的两个单词时，innovation设为1，否则设为0。

自定义单词列表：

innovation_words = ['community', 'local', 'charity', 'event', 'partner',
                'volunteering', 'plastic', 'surplusfood']

lemmatised列每行是多个单词的集合（如列表形式）。

尝试过的无效代码：

conditions = [df_posts['lemmatised'].isin(innovation_words), 
          df_posts['lemmatised'].isin(innovation_words)]

dummy = [1,0]

df_posts['innovation'] = np.select(conditions, dummy)

原代码的问题在于isin()只能判断元素是否属于列表中的单个值，无法统计匹配单词的数量。可以按以下步骤实现需求：

步骤1：统一lemmatised列格式 #

如果列内容是空格分隔的字符串，先转换为单词列表：

# 若列是字符串格式，分割为单词列表
df_posts['lemmatised'] = df_posts['lemmatised'].str.split()

步骤2：统计每行匹配的单词数量 #

将自定义列表转为集合提升匹配效率，再用apply()结合集合交集统计匹配数：

innovation_set = set(innovation_words)

# 计算每行与目标列表的匹配单词数量
df_posts['match_count'] = df_posts['lemmatised'].apply(
    lambda x: len(set(x) & innovation_set)
)

步骤3：生成目标哑变量 #

根据匹配数量是否≥2赋值：

import numpy as np

df_posts['innovation'] = np.where(df_posts['match_count'] >= 2, 1, 0)

# 可选：删除中间统计列
# df_posts.drop('match_count', axis=1, inplace=True)

完整示例代码 #

import pandas as pd
import numpy as np

# 构造示例数据
data = {
    'lemmatised': [
        ['local', 'plastic', 'shop'],
        ['community'],
        ['charity', 'event', 'volunteering'],
        ['surplusfood', 'partner']
    ]
}
df_posts = pd.DataFrame(data)

innovation_words = ['community', 'local', 'charity', 'event', 'partner',
                'volunteering', 'plastic', 'surplusfood']
innovation_set = set(innovation_words)

# 统计匹配数
df_posts['match_count'] = df_posts['lemmatised'].apply(lambda x: len(set(x) & innovation_set))

# 生成哑变量
df_posts['innovation'] = np.where(df_posts['match_count'] >= 2, 1, 0)

print(df_posts)

运行输出：

lemmatised  match_count  innovation
0       [local, plastic, shop]            2           1
1                [community]            1           0
2  [charity, event, volunteering]            3           1
3        [surplusfood, partner]            2           1

内容的提问来源于stack exchange，提问作者Hans.nl