如何在Python中对Dataframe列的逗号分隔文本进行标签编码？

你需要的是多标签二值化（注意：这不是普通的标签编码，普通标签编码会把类别映射为单一整数，不适合多值共存的场景），以下提供两种简便的实现方法：

方法一：使用Pandas原生函数 #

先构建与你数据一致的示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    '形状': ['Circle', 'Square', 'Triangle', 'Rectangle'],
    '重量': [5, 7, 8, 10],
    'Colour': ['Blue, Red', 'Yellow, Red', 'Blue, Yellow, Red', 'Green']
})

通过字符串拆分+独热编码生成目标格式：

# 将Colour列的多值转为|分隔格式，再生成二值化列
colour_dummies = df['Colour'].str.split(', ').str.join('|').str.get_dummies()
# 合并原数据与编码列，删除原Colour列
final_df = pd.concat([df.drop('Colour', axis=1), colour_dummies], axis=1)

方法二：使用Scikit-learn的MultiLabelBinarizer #

适合更复杂的多标签场景，支持自定义标签集合：

import pandas as pd
from sklearn.preprocessing import MultiLabelBinarizer

df = pd.DataFrame({
    '形状': ['Circle', 'Square', 'Triangle', 'Rectangle'],
    '重量': [5, 7, 8, 10],
    'Colour': ['Blue, Red', 'Yellow, Red', 'Blue, Yellow, Red', 'Green']
})

# 初始化多标签二值化器
mlb = MultiLabelBinarizer()
# 将Colour列拆分为嵌套列表格式
colour_list = df['Colour'].str.split(', ').tolist()
# 执行编码并转为DataFrame
colour_encoded = pd.DataFrame(mlb.fit_transform(colour_list), columns=mlb.classes_)
# 合并数据得到结果
final_df = pd.concat([df.drop('Colour', axis=1), colour_encoded], axis=1)

运行上述代码后，即可得到你需要的DataFrame格式。

内容的提问来源于stack exchange，提问作者ScottC