如何在Pandas中提取列唯一值并映射另一列非关联项？

可以通过生成Col1唯一值与Col2唯一值的笛卡尔积，再和原始数据合并来实现需求，具体步骤如下：

1. 构造示例数据（模拟你的原始DataFrame） #

import pandas as pd

data = {
    'Col1': ['D1', 'D1', 'D1', 'D2', 'D2', 'D4'],
    'Col2': ['C38', 'C65', 'C53', 'C02', 'C01', 'C73'],
    'Label': [1, 1, 1, 1, 1, 1]
}
df = pd.DataFrame(data)

2. 生成所有可能的Col1-Col2组合 #

先提取Col1和Col2的所有唯一值，再生成它们的笛卡尔积（即所有可能的配对）：

# 获取Col1、Col2的唯一值集合
unique_col1 = df['Col1'].unique()
unique_col2 = df['Col2'].unique()

# 生成所有可能的组合
all_pairs = pd.MultiIndex.from_product(
    [unique_col1, unique_col2], 
    names=['Col1', 'Col2']
).to_frame(index=False)

3. 合并原始数据并标记Label值 #

将所有组合与原始DataFrame合并，原始存在的配对保留Label=1，不存在的配对填充Label=0：

# 左连接合并，保留所有组合
result = all_pairs.merge(df, on=['Col1', 'Col2'], how='left')
# 填充缺失的Label为0，并转为整数类型
result['Label'] = result['Label'].fillna(0).astype(int)

4. 查看结果 #

运行后result就是你需要的输出：

Col1 Col2  Label
0    D1  C38      1
1    D1  C65      1
2    D1  C53      1
3    D1  C02      0
4    D1  C01      0
5    D1  C73      0
6    D2  C38      0
7    D2  C65      0
8    D2  C53      0
9    D2  C02      1
10   D2  C01      1
11   D2  C73      0
12   D4  C38      0
13   D4  C65      0
14   D4  C53      0
15   D4  C02      0
16   D4  C01      0
17   D4  C73      1

补充说明 #

• 如果你的Col2包含更多未在示例中列出的值（比如你提到的C61、C03），只需确保这些值存在于原始DataFrame的Col2列中，代码会自动提取所有唯一值并生成对应组合。
• 这种方法逻辑清晰，利用Pandas内置方法高效处理配对和合并，避免手动循环。

内容的提问来源于stack exchange，提问作者botloggy