如何优化Pandas中按逗号拆分字符串列拆行后长表转宽表的实现

方案1：基于explode逻辑的优化版 #

原有逻辑核心思路可用，仅需补充空格处理、简化冗余步骤即可得到预期结果：

import pandas as pd

data = {'id':["ab3e3", "psdds2", "pas13", "ccdf2", "dsda1"],
        'fruit':["apple, organge", "others", "dragon fruit, organge", "watermelon", "others"]}
df = pd.DataFrame(data)

res = (
    # 拆分时直接匹配逗号加可选空格，自动消除拆分后元素前导空格
    df.assign(fruit=df['fruit'].str.split(',\s*'))
    .explode('fruit')
    # 用pivot_table直接统计频次，无需手动加计数列，缺失值自动填0
    .pivot_table(index='id', columns='fruit', aggfunc='size', fill_value=0)
    .reset_index()
    # 去除列名的索引前缀，输出格式和预期完全一致
    .rename_axis(columns=None)
)

方案2：极简实现（推荐） #

该场景属于典型的多标签编码场景，直接用Pandas内置的str.get_dummies方法即可一步完成转换，代码量更少、运行效率更高：

res = df.set_index('id')['fruit'].str.get_dummies(sep=', ').reset_index()

两种方案输出均完全匹配预期结果。

内容的提问来源于stack exchange，提问作者codedancer