如何用Pandas将DataFrame中出现频率最高的列值转为1，其余转为0？

核心思路 #

先定位目标列中出现频率最高的取值，再通过条件判断将匹配值转为1，其余转为0。

具体代码实现 #

假设你的DataFrame名为df，目标列名为target_col：

1. 获取出现频率最高的取值

两种常用方式：

• 方式一：通过value_counts()取频率最高的索引

most_common = df['target_col'].value_counts().index[0]

• 方式二：用mode()直接获取众数（更简洁）

most_common = df['target_col'].mode()[0]

2. 生成0/1标记列

可以选择生成新列或覆盖原列：

• 生成新列（推荐，保留原始数据）

# 方法1：用numpy的where函数
import numpy as np
df['flag_col'] = np.where(df['target_col'] == most_common, 1, 0)

# 方法2：布尔值转整数（更简洁）
df['flag_col'] = (df['target_col'] == most_common).astype(int)

• 直接替换原列

df['target_col'] = (df['target_col'] == most_common).astype(int)

示例效果 #

假设原始数据列是：

处理后flag_col结果：

内容的提问来源于stack exchange，提问作者Lokesh Rathi