如何基于两列数据生成指定格式的哑变量DataFrame？

首先假设你的原始DataFrame包含两列，分别命名为id（存储a/b/c分类）和stage（存储stg1/stg2/stg3分类），以下三种都是pandas原生向量化实现方案，效率远高于自定义循环： #

方案1：crosstab（最简洁） #

直接调用交叉表函数，默认统计频次，刚好符合0/1哑变量需求：

import pandas as pd

# 构造测试数据的示例，你可以替换为自己的读入逻辑
df = pd.DataFrame([
    ["a", "stg1"], ["a", "stg2"], ["a", "stg3"],
    ["b", "stg2"], ["b", "stg3"],
    ["c", "stg1"]
], columns=["id", "stage"])

# 核心转换代码
result = pd.crosstab(df["id"], df["stage"])

方案2：pivot_table（你提到的透视表思路） #

用size作为聚合函数，缺失值填充为0即可：

result = df.pivot_table(
    index="id", 
    columns="stage", 
    aggfunc="size", 
    fill_value=0
)

方案3：get_dummies（修正用法） #

get_dummies本身只能生成单列的哑变量，需要搭配分组求和才能得到你要的格式：

result = pd.get_dummies(df, columns=["stage"]).groupby("id").sum()

如果需要和你给出的示例格式完全对齐，去掉索引和列的名称，可以追加一行：

result = result.rename_axis(index=None, columns=None)

内容的提问来源于stack exchange，提问作者biohazard90