如何按个体分组并基于特征列表转换Pandas DataFrame？

原代码问题分析 #

你的代码存在两处核心逻辑错误：

• 遍历对象错误：pd.DataFrame[~ df.duplicated(subset=['id'])]写法不符合pandas语法，且实际遍历的是列名而非个体ID
• 判断逻辑错误：feature_list in df['feature'].unique()是将整个特征列表与全局唯一特征集合比较，而非针对单个个体的特征检查

正确实现方式 #

以下三种方法均能高效完成需求，推荐优先使用第一种：

方法1：使用pivot_table（最简方案） #

import pandas as pd

# 假设原始数据存储在df中，特征列表为feature_list
df['flag'] = 1  # 标记该个体拥有此特征

# 生成透视表，自动填充缺失特征为0
result = df.pivot_table(index='ID', columns='特征', values='flag', fill_value=0)

# 确保列顺序与特征列表完全一致
result = result[feature_list]

方法2：使用crosstab #

import pandas as pd

# 直接生成交叉表，统计每个个体的特征出现情况
result = pd.crosstab(df['ID'], df['特征'])

# 对齐特征列表，缺失特征补0
result = result.reindex(columns=feature_list, fill_value=0)

方法3：分组+独热编码（灵活扩展方案） #

import pandas as pd

# 按ID分组，展开特征后生成独热编码
grouped = df.groupby('ID')['特征'].apply(pd.Series).stack()
dummies = pd.get_dummies(grouped, prefix='', prefix_sep='').sum(level=0)

# 对齐特征列表，缺失特征补0
result = dummies.reindex(columns=feature_list, fill_value=0)

说明 #

三种方法均无需手动嵌套循环，利用pandas内置函数实现高效转换，自动为个体拥有的特征标记1，未拥有的标记0；reindex操作确保结果列顺序与你提供的特征列表完全一致。

内容的提问来源于stack exchange，提问作者RicardoJP