Pandas使用get_dummies时如何补全缺失序列列并保持顺序

问题根源是pd.get_dummies()默认仅为数据中实际出现的取值生成独热编码列，不会自动覆盖你期望的完整月份范围，因此会缺失未出现的2、5月列。以下两种方式都可以得到预期结果：

方案1：在现有代码基础上补全缺失列 #

保留你原有逻辑，运行完成后通过列重索引对齐指定的1-6月序列，缺失列自动填充0即可：

import pandas as pd

# 示例数据
df = pd.DataFrame({'id': [1,1,1,1], 'month': [1,3,4,6]})

# 原有转换逻辑
ndf = df[['id']].join(pd.get_dummies(df['month'])).groupby('id').max()

# 补全列：指定需要的完整月份范围，缺失值填0，同时自动按顺序排序列
full_month_cols = list(range(1, 7))
ndf = ndf.reindex(columns=full_month_cols, fill_value=0)

方案2：提前指定分类范围，自动生成全量列 #

将month字段转为Pandas分类类型，提前声明所有合法的月份取值，pd.get_dummies()识别到分类类型时会自动为所有分类生成列，无需后续补全：

import pandas as pd

# 示例数据
df = pd.DataFrame({'id': [1,1,1,1], 'month': [1,3,4,6]})

# 将month转为指定取值范围的分类类型
df['month'] = pd.Categorical(df['month'], categories=range(1, 7))

# 直接做独热编码聚合
ndf = pd.get_dummies(df, columns=['month']).groupby('id').max()

# 去掉列名的month_前缀，和原有输出格式保持一致
ndf.columns = [int(col.split('_')[1]) for col in ndf.columns]

两种方案最终输出结果一致，结构如下：

1  2  3  4  5  6
id                  
1   1  0  1  1  0  1

如果后续需要调整月份范围，只需要修改range(1,7)为你需要的起止区间即可。

内容的提问来源于stack exchange，提问作者Chimcootaa