Python中如何根据DataFrame列值生成特征列表与计数列

核心优先使用向量化运算避免逐行循环，兼顾性能与灵活性，适配任意特征列名。 #

实现代码 #

import pandas as pd

# 1. 构造示例数据（替换成你自己的DataFrame即可）
df = pd.DataFrame({
    'Text': ['string1', 'string2', 'string3'],
    'feat1': [1, 0, 0],
    'feat2': [1, 0, 0],
    'feat3': [0, 0, 0],
    'feat4': [0, 1, 0]
})

# 2. 指定特征列范围：这里排除非特征列Text即可，有其他非特征列可自行增删排除项
feat_cols = df.columns.drop('Text')

# 3. 生成all_feat列：收集每行值为1的特征列名
# 向量化点乘实现，性能远高于逐行apply
df['all_feat'] = df[feat_cols].eq(1).dot(feat_cols + ',').str.rstrip(',').str.split(',').apply(lambda x: [] if x == [''] else x)

# 4. 生成count_feat列：直接取列表长度，无需重复计算
df['count_feat'] = df['all_feat'].str.len()

方案说明 #

• 性能表现：核心逻辑用矩阵点乘做批量计算，没有Python层的逐行遍历开销，十万到百万级数据量下，运行速度是普通apply写法的10~100倍。
• 灵活适配：不需要硬编码特征列名，只要调整feat_cols的筛选规则即可，不管特征列名是中文、特殊字符还是任意长度字符串都能正常运行。
• 边界兼容：自动处理全0行场景，正确返回空列表与计数0，和需求规则完全匹配。
• 注意事项：如果你的特征列名本身包含英文逗号，把代码里拼接的分隔符换成列名中不会出现的字符（比如|、@@等）即可，核心逻辑不需要改动。

小数据量简化写法 #

如果你的数据量在万行以内，性能差异感知不到，可以用可读性更高的列表推导写法：

# 替换上面步骤3的all_feat生成逻辑即可
df['all_feat'] = [
    [col for col, val in row.items() if val == 1]
    for row in df[feat_cols].to_dict('records')
]
df['count_feat'] = df['all_feat'].str.len()

运行结果 #

执行后输出的DataFrame完全符合预期：

Text  feat1  feat2  feat3  feat4          all_feat  count_feat
0  string1      1      1      0      0  [feat1, feat2]           2
1  string2      0      0      0      1         [feat4]           1
2  string3      0      0      0      0              []           0

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