如何基于Pandas DataFrame其他列的值更新对应单元格值

问题背景 #

现有名为removedCols的Pandas DataFrame，共约2000行，初始状态下A、B、C、D四列值均为0，labels列存储每一行需要标记为1的列名列表，原始数据片段如下：

A      B      C      D     labels
 0      0      0      0     ['D', 'C']
 0      0      0      0     []
 0      0      0      0     ['A','B','D']
 0      0      0      0     ['D']

需要实现的效果是：根据labels列存储的列名列表，将对应行对应列的单元格值替换为1，最终得到如下结果：

A      B      C      D     labels
 0      0      1      1     ['D', 'C']
 0      0      0      0     []
 1      1      0      1     ['A','B','D']
 0      0      0      1     ['D']

原有代码错误原因 #

之前编写的遍历代码运行后0/1值随机错乱，核心原因是索引调用方式错误：

• 代码中i是DataFrame的索引标签值，但removedCols.iloc[i]是按行的物理位置序号取数，不是按索引标签取数
• 只要DataFrame之前做过排序、筛选、拼接等操作导致索引不是从0开始的连续整数，就会取到错误行的labels内容，最终赋值位置和实际标签不匹配
• 另外之前错误运行留下的脏数据没有清理，也会导致结果不符合预期

可用实现方案 #

方案1：修正后的遍历写法（逻辑直观易理解） #

先重置目标列的值为0清除脏数据，再直接迭代labels列的索引和值，避免取错行：

# 先把目标列重置为0，清除之前错误赋值的残留数据
target_cols = ['A', 'B', 'C', 'D']
removedCols[target_cols] = 0

# 直接遍历labels列的索引和对应值，避免iloc的索引错位问题
for row_idx, col_list in removedCols['labels'].items():
    for col_name in col_list:
        removedCols.at[row_idx, col_name] = 1

方案2：向量化实现（运行效率更高，适合2000行及以上规模数据） #

不用写循环，用pandas自带方法直接生成二值矩阵赋值，速度更快：

import pandas as pd

target_cols = ['A', 'B', 'C', 'D']
# 先重置目标列为0
removedCols[target_cols] = 0
# 把labels列展开后生成独热编码，按行聚合得到0/1矩阵
label_matrix = pd.get_dummies(removedCols['labels'].explode()).groupby(level=0).sum()
# 对齐列顺序后赋值回原表，缺值补0
removedCols[target_cols] = label_matrix.reindex(columns=target_cols, fill_value=0)

如果环境已经安装scikit-learn，也可以用MultiLabelBinarizer实现，代码更简洁：

from sklearn.preprocessing import MultiLabelBinarizer

target_cols = ['A', 'B', 'C', 'D']
mlb = MultiLabelBinarizer(classes=target_cols)
removedCols[target_cols] = mlb.fit_transform(removedCols['labels'])

提示：如果后续labels里可能出现A/B/C/D之外的列名，可以在赋值前加一层判断过滤，避免新增多余列。

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