如何基于名称合并pandas DataFrame行并标记所属分组为布尔值

以下是直接可用的实现代码：
首先导入依赖并构造测试数据：

import pandas as pd

# 构造示例原表，实际使用时替换为你自己的DataFrame即可
df = pd.DataFrame({
    "name": ["James", "Mike", "Tod", "Rico", "Billie", "Mike", "Tod"],
    "group": [1, 2, 1, 2, 3, 3, 2]
})

方法1：独热编码+分组聚合 #

# 生成group字段的独热编码，再按name聚合，只要出现过对应group就标记为True
result = pd.get_dummies(df, columns=["group"], prefix="in_group")\
         .groupby("name", as_index=False)\
         .any()

方法2：交叉表转换 #

# 用交叉表统计出现次数后转布尔值，再重命名列
result = pd.crosstab(df["name"], df["group"]).astype(bool).reset_index()
result.columns = ["name"] + [f"in_group_{col}" for col in result.columns[1:]]

两种方法输出的结果完全符合需求，每一行对应唯一姓名，in_group_*列会根据该姓名是否出现在对应分组自动标记True/False。

内容的提问来源于stack exchange，提问作者Tenserflu