如何在Python中基于另一DataFrame行的列表值创建新DataFrame

我有一个示例DataFrame：

| ID | SampleColumn1| SampleColumn2 | SampleColumn3 |
|:-- |:------------:| ------------ :| ------------  |
| 1  |sample Apple  | sample Cherry |sample Lime    |
| 2  |sample Cherry | sample lemon  | sample Grape  |

希望基于这个初始DataFrame创建一个新的DataFrame：如果列表[Apple, Lime, Cherry]中的任一值出现在某一行的任意列中，则新DataFrame对应列标记为1，否则为0。预期输出如下：

| ID | Apple | Lime | Cherry |
| 1  |  1    |  1   |    1   |
| 2  |  0    |  0   |    1   |

我尝试过使用字符串find函数，将每行的Series转为字符串后通过if条件判断是否匹配新DataFrame列名，但出现了逻辑错误。

用Pandas的向量化操作可以高效实现需求，避免逐行循环的逻辑问题：

完整代码示例 #

import pandas as pd

# 初始化原始DataFrame
df = pd.DataFrame({
    'ID': [1, 2],
    'SampleColumn1': ['sample Apple', 'sample Cherry'],
    'SampleColumn2': ['sample Cherry', 'sample lemon'],
    'SampleColumn3': ['sample Lime', 'sample Grape']
})

targets = ['Apple', 'Lime', 'Cherry']

# 生成结果DataFrame，先保留ID列
result = df[['ID']].copy()

# 遍历每个目标关键词，生成对应标记列
for target in targets:
    # 检查每行的所有Sample列是否包含当前关键词，匹配则标记1，否则0
    result[target] = df.filter(like='SampleColumn').apply(
        lambda row: any(target in str(cell) for cell in row), axis=1
    ).astype(int)

print(result)

代码说明 #

• df.filter(like='SampleColumn')：自动筛选所有以SampleColumn开头的列，不用手动逐个指定列名
• apply(..., axis=1)：按行处理数据，检查当前行的每个单元格
• any(target in str(cell) for cell in row)：只要行内有一个单元格包含目标关键词，就返回True
• astype(int)：将布尔值True/False转换为1/0的整数格式

运行代码后就能得到你需要的预期输出格式。

内容的提问来源于stack exchange，提问作者plebman952