如何高效将Pandas DataFrame转换为车辆-颜色关联特征矩阵

针对你的需求，无需逐行赋值，Pandas提供了多种高效的内置方法，以下是几种最优实现：

方法一：使用pd.crosstab（推荐） #

先对原数据按Color和Car去重，再用交叉表统计组合存在性：

import pandas as pd

df = pd.DataFrame({'Car': ['Audi', 'Toyota', 'Chrysler', 'Toyota', 'Chrysler', 'Chrysler'], 
                   'Color': ['red', 'red', 'blue', 'silver', 'blue', 'silver']})

# 去重，保留唯一的Color-Car组合
df_unique = df.drop_duplicates(subset=['Color', 'Car'])
# 生成交叉表，自动标记存在为1，不存在为0
result = pd.crosstab(df_unique['Color'], df_unique['Car']).reset_index()

print(result)

输出结果：

Car    Color  Audi  Chrysler  Toyota
0       blue     0         1       0
1        red     1         0       1
2     silver     0         1       1

方法二：使用pivot_table #

通过透视表聚合去重后的组合，用size统计存在性：

df_unique = df.drop_duplicates(subset=['Color', 'Car'])
result = df_unique.pivot_table(index='Color', columns='Car', aggfunc='size', fill_value=0).reset_index()

方法三：使用get_dummies + groupby #

将Car列转为哑变量后，按Color分组取最大值（只要存在则为1）：

# 生成Car列的哑变量
df_dummies = pd.get_dummies(df['Car'])
# 合并Color列与哑变量，按Color分组取最大值
result = pd.concat([df['Color'], df_dummies], axis=1).groupby('Color').max().reset_index()

说明 #

• 三种方法都避免了逐行赋值的低效操作，时间复杂度均为O(n)级别，远快于循环赋值
• 去重步骤是关键：原数据中重复的Color-Car组合不影响最终标记结果，去重后能减少计算量

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