Pandas如何将用户偏好表转换为全项二进制标记DataFrame

实现代码 #

首先构造示例数据：

import pandas as pd

# 原始数据构造
df = pd.DataFrame({
    'user': ['Alex', 'Alex', 'Alex', 'Peter', 'Peter', 'Peter', 'John'],
    'preference': ['tea', 'cookie', 'apple', 'coffee', 'apple', 'banana', 'tea']
})

方法1：笛卡尔积左连接（逻辑更易理解）

# 提取所有唯一用户和唯一偏好
all_users = df['user'].unique()
all_prefs = df['preference'].unique()

# 生成用户+偏好的全量组合
full_combo = pd.MultiIndex.from_product([all_users, all_prefs], names=['user', 'preference']).to_frame(index=False)

# 原数据标记存在的偏好值为1
df['value'] = 1

# 左连接匹配存在的偏好，缺失值填充为0
result = full_combo.merge(df, on=['user', 'preference'], how='left').fillna(0).astype({'value': int})

# 按用户排序（可选，和示例输出顺序一致）
result = result.sort_values('user', ignore_index=True)

方法2：交叉表转换（代码更简洁）

直接用crosstab统计用户-偏好的出现频次，再转为长格式即可：

result = pd.crosstab(df['user'], df['preference']).reset_index().melt(id_vars='user', value_name='value')

输出的result就是你需要的结构。

内容的提问来源于stack exchange，提问作者user5844628