如何对数据框中独热编码（OHE）后的列按用户分组求和？

方法一：Pandas原生组合操作（最简便） #

先通过pd.get_dummies生成独热编码列，再按user分组求和，一步完成需求：

import pandas as pd

# 构造原始数据框
df = pd.DataFrame({
    'user': [2, 2, 3],
    'product': ['A', 'A', 'B']
})

# 生成独热编码并按user分组聚合求和
result = pd.get_dummies(df, columns=['product']).groupby('user').sum().reset_index()

print(result)

输出结果：

user  product_A  product_B
0     2          2          0
1     3          0          1

方法二：交叉表直接统计频次 #

用pd.crosstab可以直接统计每个用户对应产品的出现次数，本质是一步实现分组+编码+求和：

# 生成交叉表
result = pd.crosstab(df['user'], df['product']).reset_index()

# 补充未出现的product_c列（按需添加）
result['product_c'] = 0
# 调整列顺序匹配期望格式
result = result[['user', 'product_A', 'product_B', 'product_c']]

print(result)

方法三：适配Scikit-learn流水线（适合大规模数据场景） #

如果需要融入机器学习工作流，可使用OneHotEncoder完成编码后再分组：

from sklearn.preprocessing import OneHotEncoder
import pandas as pd

# 初始化编码器
encoder = OneHotEncoder(sparse_output=False, categories='auto')
# 对product列编码
encoded_data = encoder.fit_transform(df[['product']])
# 转成数据框并匹配列名
encoded_df = pd.DataFrame(encoded_data, columns=encoder.get_feature_names_out(['product']))
# 合并user列后分组求和
combined_df = pd.concat([df['user'], encoded_df], axis=1)
result = combined_df.groupby('user').sum().reset_index()

# 补充未出现的product_c列（按需添加）
if 'product_c' not in result.columns:
    result['product_c'] = 0

print(result)

补充说明 #

• 方法一、二适合日常数据分析场景，代码简洁易读；
• 方法三适合需要对接模型训练的流水线场景；
• 多分类列场景下，只需调整get_dummies的columns参数，或在交叉表中添加对应变量即可扩展。

内容的提问来源于stack exchange，提问作者titu84hh