Pandas如何将列表类型列转换为对应值的二进制存在标识列

初始数据集构造代码如下：

import pandas as pd
#Create Series
s = pd.Series([[1,2,3,],[1,10,11],[2,11,12]],['buz','bas','bur'])
k = pd.Series(['y','n','o'],['buz','bas','bur'])
#Create DataFrame df from two series
df = pd.DataFrame({'first':s,'second':k})

已经完成的操作：基于first列的所有唯一值提前创建了初始值为0的新列，实现代码如下：

def text_to_list(df,col):
    val=df[col].explode().unique()
    return val
unique=text_to_list(df,'first')
for options in unique :
    df[options]=0

当前需求：给新创建的数值列赋值，若列名对应的数值存在于该行first列的列表中，对应位置赋值为1，否则保留0。预期最终输出如下：

first   second  1  2  3  10  11  12
buz     [1, 2, 3]      y  1  1  1   0   0   0
bas    [1, 10, 11]     n  1  0  0   1   1   0
bur    [2, 11, 12]     o  0  1  0   0   1   1

方案1：基于已有建列逻辑补充赋值 #

在现有代码的基础上，新增遍历判断逻辑即可完成赋值：

for col in unique:
    df[col] = df['first'].apply(lambda x: 1 if col in x else 0)

方案2：更简洁的无前置建列方案 #

该方案无需提前调用explode创建新列，一行代码即可完成所有操作：

df1=df.join(pd.get_dummies(df['first'].apply(pd.Series).stack()).sum(level=0))
print(df1)

逻辑说明：先将first列的列表元素拆分为单独的行，通过get_dummies生成独热编码，再按原始索引聚合求和，最后和原DataFrame拼接，直接得到符合要求的结果。

内容的提问来源于stack exchange，提问作者kdot