如何按组而非字符将列表列转为哑变量？两种尝试均失败

你得到字符级哑变量的核心原因是：personal_interests列的元素是字符串类型，而非列表/可迭代的兴趣组集合。两种方法都会把字符串拆成单个字符处理，自然得不到预期的组级结果。

第一步：先将字符串列转换为兴趣列表列 #

假设你的personal_interests列是类似"body,makeup"这种用分隔符（逗号、空格等）连接的字符串，先把它转成列表：

# 示例：逗号分隔的字符串转列表，根据实际分隔符调整
uf['personal_interests'] = uf['personal_interests'].str.split(',')

# 如果是空格分隔，用：
# uf['personal_interests'] = uf['personal_interests'].str.split()

修正后的两种实现方法 #

方法一：Pandas 原生方法 #

直接对列表列使用str.get_dummies，无需额外拼接：

uf_dummies = uf['personal_interests'].str.get_dummies()
print(uf_dummies)

如果你的列表元素原本是用特定符号分隔的字符串（比如"body|makeup"），也可以指定sep参数：

uf_dummies = uf['personal_interests'].str.get_dummies(sep='|')

方法二：MultiLabelBinarizer 方法 #

注意不要重复调用fit_transform（会覆盖之前的类别拟合），改用transform；同时确保输入是列表而非字符串：

from sklearn.preprocessing import MultiLabelBinarizer

mlb = MultiLabelBinarizer()
# 如果你需要强制包含指定类别（即使样本中没出现），用列表的列表形式拟合
mlb.fit([['body','men_skincare','tools','hand','makeup','hair', 'nail', 'skincare','men_fragrance','fragrance','foot']])

# 用transform而不是fit_transform，避免重新拟合数据
uf_dummies = pd.DataFrame(
    mlb.transform(uf['personal_interests']),
    columns=mlb.classes_,
    index=uf.index
)
print(uf_dummies)

内容的提问来源于stack exchange，提问作者Rob