如何高效将Pandas DataFrame逗号分隔标签列转为独热编码列？

这个需求太常见了！完全不用手动遍历行，Pandas自带的矢量化方法就能高效解决，性能比Python循环不知道高多少倍，完美适配你的场景。

核心思路：用str.get_dummies()矢量化处理 #

Pandas的str.get_dummies()是专门处理这类分隔字符串的工具，底层是C级别的优化，完全避免了Python级别的行遍历，大数据量下性能优势特别明显。

完整代码示例 #

先构造你的示例数据，然后一步到位生成目标列：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'tags': ["A, G, Z", "H", "A, H"]
})

# 生成独热编码列：指定分隔符为逗号+空格（匹配你的标签格式）
tag_dummies = df['tags'].str.get_dummies(sep=', ')

# 合并原数据和独热编码列（如果需要保留原tags列的话）
result_df = pd.concat([df, tag_dummies], axis=1)

print(result_df)

输出结果 #

运行后会得到你想要的格式：

tags  A  G  H  Z
0  A, G, Z  1  1  0  1
1        H  0  0  1  0
2     A, H  1  0  1  0

处理分隔符不统一的情况 #

如果你的标签列里分隔符不固定（比如有的是纯逗号，有的是逗号加空格），可以先统一清理格式，再生成独热编码：

# 先去掉所有空格，统一分隔符为纯逗号
df['clean_tags'] = df['tags'].str.replace(' ', '')
tag_dummies = df['clean_tags'].str.get_dummies(sep=',')

为什么这个方法高效？ #

str.get_dummies()是Pandas的矢量化字符串操作，所有处理都是在底层批量完成的，完全没有Python循环的开销。对比手动遍历每行拆分标签、逐个赋值的方法，数据量越大，性能差距越明显（比如处理10万行数据，矢量化方法可能只需要几百毫秒，而循环可能要几十秒）。

内容的提问来源于stack exchange，提问作者user11521736