如何在Pandas中根据另一列的标签创建独热编码新列？

我有一个包含两列的DataFrame，代码如下：

import pandas as pd
pd.DataFrame({"action":['asdasd','fgdgddg','dfgdgdfg','dfgdgdfg','nmwaws'],"classification":['positive','negative','neutral','positive','mixed']})

对应的DataFrame结构为：

action    classification
asdasd        positive
fgdgddg       negative
dfgdgdfg      neutral
dfgdgdfg      positive
nmwaws        mixed

我希望针对classification列中的每个唯一标签创建4个新列，若对应行包含该标签则赋值1，否则赋值0，期望输出如下：

action    classification    positive   negative   neutral  mixed
asdasd        positive         1          0          0       0
fgdgddg       negative         0          1          0       0
dfgdgdfg      neutral          0          0          1       0
dfgdgdfg      positive         1          0          0       0
nmwaws        mixed            0          0          0       1

尝试使用sklearn的MultiLabelBinarizer时，它解析的是每个单词的字母而非单词本身，寻求解决方案。

方法1：使用pandas内置的get_dummies（推荐） #

这是最直接的实现方式，pandas的get_dummies可一键生成符合需求的独热编码列：

import pandas as pd

# 初始化原始DataFrame
df = pd.DataFrame({
    "action": ['asdasd','fgdgddg','dfgdgdfg','dfgdgdfg','nmwaws'],
    "classification": ['positive','negative','neutral','positive','mixed']
})

# 生成独热编码列并与原DataFrame合并
result = pd.concat([df, pd.get_dummies(df['classification'])], axis=1)
print(result)

运行后会自动识别classification列的所有唯一标签，生成对应列并填充0/1，直接得到期望输出。

方法2：正确使用MultiLabelBinarizer #

你之前的问题源于MultiLabelBinarizer默认处理可迭代的标签集合而非单个字符串，只需将classification列的每个元素转为单元素列表即可解决：

import pandas as pd
from sklearn.preprocessing import MultiLabelBinarizer

df = pd.DataFrame({
    "action": ['asdasd','fgdgddg','dfgdgdfg','dfgdgdfg','nmwaws'],
    "classification": ['positive','negative','neutral','positive','mixed']
})

# 转换列格式为单元素列表，适配MultiLabelBinarizer要求
mlb = MultiLabelBinarizer()
one_hot = mlb.fit_transform(df['classification'].apply(lambda x: [x]))

# 将独热编码转为DataFrame并合并到原数据
one_hot_df = pd.DataFrame(one_hot, columns=mlb.classes_)
result = pd.concat([df, one_hot_df], axis=1)
print(result)

此方式可正确识别整个单词作为标签，避免拆分字母的问题。

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