如何用Python的pd.get_dummies()基于字符串关键词创建哑变量

我有如下格式的DataFrame：

PROMOTED_PRODUCT__CREATIVE              ROAS
0   Simple Green 1 Gal. Concentrated    0.027573
1   Simple Green 1 Gal. Concentrated    0.082969
2   Simple Green 1 Gal. Concentrated    0.056278
3   Simple Green 32 oz  Concentrated    0.037286
4   Simple Green 32 oz  Concentrated    0.355841
5   Simple Green 32 oz  Concentrated    0.355853
6   Simple Green 16 oz  Concentrated    0.355923
7   Simple Green 16 oz  Concentrated    0.355749
8   Simple Green 16 oz  Concentrated    0.355810

我希望基于PROMOTED_PRODUCT__CREATIVE列字符串中的属性（如'1 gal'、'32 oz'、'16 oz'等）创建如下格式的哑变量：

1_gal   32_oz   16_oz
   0  1       0       0
   1  1       0       0
   2  1       0       0
   3  0       1       0
   4  0       1       0
   5  0       1       0
    ...

请问能否通过pd.get_dummies()快速实现该需求？恳请各位提供帮助，非常感谢！

可以通过pd.get_dummies()实现，核心是先从原列提取目标属性，再生成哑变量，步骤如下：

1. 提取容量属性
   用正则表达式匹配字符串中的数字+单位部分，统一格式（空格换下划线、移除点号）：

   import pandas as pd
   import re
   
   # 假设原数据集为df
   df['size'] = df['PROMOTED_PRODUCT__CREATIVE'].apply(
       lambda x: re.search(r'\d+ (Gal\.|oz)', x).group().replace(' ', '_').replace('.', '')
   )
   

   执行后size列会得到1_Gal、32_oz、16_oz这类标准化值。

2. 生成哑变量
   直接对size列调用pd.get_dummies()：

   dummy_vars = pd.get_dummies(df['size'])
   

   输出结果就是你需要的哑变量矩阵。

3. 合并到原数据集（可选）
   如果需要把哑变量和原数据整合，用pd.concat()：

   df_final = pd.concat([df, dummy_vars], axis=1)
   

内容的提问来源于stack exchange，提问作者mexicanRmy