如何基于df的Service列高效创建服务存在性布尔值新列？

完全没问题，这在Pandas里有非常高效的实现方式，不用手动逐行判断，利用内置的字符串处理和向量化操作就能轻松搞定，既简洁又快速。

完整实现步骤 #

首先，我们先构造你的示例数据，然后一步步完成需求：

import pandas as pd

# 1. 构造示例数据集
data = {
    'Service': [
        'DoorDash, Grubhub / Seamless, UberEats, Postmates',
        'DoorDash, UberEats, Caviar, Tock',
        'DoorDash',
        'None',
        'Caviar, Tock',
        'None',
        'Tock',
        'DoorDash, Grubhub / Seamless, UberEats, Postmates',
        'Grubhub / Seamless, UberEats'
    ]
}
df = pd.DataFrame(data)

# 2. 定义需要生成列的服务列表（包含你指定的所有服务，加上Tock以匹配预期输出）
service_list = [
    'DoorDash', 'Grubhub / Seamless', 'UberEats', 
    'Caviar', 'Postmates', 'JustEat', 'Deliveroo', 
    'Foodora', 'Grab', 'Talabat', 'Tock'
]

# 3. 高效生成布尔值列（推荐向量化方法，大数据集下性能更优）
# 先处理'None'值为空白，避免干扰判断
df['Service'] = df['Service'].replace('None', '')

# 分割服务字符串并生成哑变量，再按行求和得到存在标记
split_services = df['Service'].str.split(',\s*', expand=True)
service_dummies = pd.get_dummies(split_services.stack()).sum(level=0)

# 合并原数据和哑变量，补充服务列表中未出现的服务列（默认设为False）
result_df = df.join(service_dummies.reindex(columns=service_list, fill_value=False))

# 如果需要把布尔值显式转为True/False（默认就是布尔类型，这步可选）
result_df = result_df.astype({col: bool for col in service_list})

更直观的循环实现（适合新手理解） #

如果你觉得上面的向量化方法有点绕，也可以用更直白的循环方式，逻辑清晰易懂：

# 处理'None'值
df['Service'] = df['Service'].replace('None', '')

# 遍历每个服务，生成对应的布尔列
for service in service_list:
    # 检查该行是否包含当前服务，忽略大小写、空值设为False
    df[service] = df['Service'].str.contains(service, case=False, na=False)

输出结果 #

运行后得到的result_df就完全符合你的预期格式：

关键注意点 #

• 处理None：我们把字符串'None'替换为空，这样判断时会统一返回False，符合你的需求
• 大小写问题：str.contains里的case=False可以避免大小写不一致导致的误判，如果你的数据是严格大小写匹配的，可以去掉这个参数
• 性能：向量化方法（第一种）比循环方法（第二种）在大数据集下快很多，推荐优先使用

内容的提问来源于stack exchange，提问作者Chris90