如何用Pandas将DataFrame编码转换为二进制存在标识？

我明白你的需求了——你要把每行里出现的非0编码（不管在原来的哪个列）转换成对应的二进制标记列，而不是按原列位置生成哑变量。你的循环代码没生效主要是因为判断逻辑和数据结构的问题，而且嵌套循环在Pandas里确实不是最优解，给你两个高效的实现方法：

方法一：按行遍历生成二进制序列 #

这种方法直观，适合理解逻辑：

import pandas as pd

# 先构造你的示例数据
df_A = pd.DataFrame({
    'code1': [1, 3, 2],
    'code2': [4, 2, 3],
    'code3': [2, 1, 0],
    'code4': [0, 5, 0],
    'code5': [0, 0, 0]
})

# 定义所有需要标记的编码（对应has1到has5）
all_codes = range(1, 6)

# 按行处理：检查每个编码是否在当前行的非0值中
df_bin = df_A.apply(
    lambda row: pd.Series(
        [1 if code in row[row != 0].values else 0 for code in all_codes],
        index=[f'has{code}' for code in all_codes]
    ),
    axis=1
)

print(df_bin)

逻辑解释： #

• row[row != 0].values会提取当前行所有非0的编码值，自动过滤掉无效的0；
• 遍历所有目标编码（1-5），判断每个编码是否存在于该行的非0集合中，存在则标记1，否则0；
• apply(axis=1)指定按行处理，最终生成结构符合需求的二进制DataFrame。

方法二：用长表转换+交叉统计（更符合Pandas思维） #

这种方法利用Pandas的内置函数，避免显式循环，数据量大时效率更高：

import pandas as pd

df_A = pd.DataFrame({
    'code1': [1, 3, 2],
    'code2': [4, 2, 3],
    'code3': [2, 1, 0],
    'code4': [0, 5, 0],
    'code5': [0, 0, 0]
})

all_codes = range(1, 6)

# 步骤1：把宽表转成带行索引的长表，过滤0值
melted_data = df_A.melt(ignore_index=False, value_name='code').query('code != 0')

# 步骤2：用交叉表统计每行每个编码的出现次数（出现为1，未出现为0）
df_bin = pd.crosstab(melted_data.index, melted_data['code']).reindex(columns=all_codes, fill_value=0)

# 步骤3：重命名列为has1~has5
df_bin.columns = [f'has{col}' for col in df_bin.columns]

print(df_bin)

逻辑解释： #

• melt将原宽表转换为长格式，保留原行索引，这样能明确每个编码属于哪一行；
• query('code !=0')直接过滤掉无效的0值；
• pd.crosstab自动统计每行每个编码的出现次数（这里只要出现就是1，没出现就是0）；
• reindex确保所有目标编码列都存在，缺失的列填充0，保证结果结构完整。

为什么你的原代码没生效？ #

你写的嵌套循环里，df_codes.iloc[[row]]返回的是一个单行DataFrame切片，而不是该行的数值集合，所以int(colname) in ...的判断逻辑是错误的——你在判断一个数值是否存在于DataFrame对象里，而不是数值列表里。而且嵌套循环在处理大数量级数据时，效率会比Pandas内置方法低很多。

内容的提问来源于stack exchange，提问作者Professional_n00b