如何在DataFrame两列间批量插入多列并按规则自动填充

Python（Pandas）实现 #

原需求（0/1独热编码填充） #

直接使用pandas内置的get_dummies函数生成独热编码，再调整列顺序插入到指定位置即可，代码如下：

import pandas as pd

# 生成p.1-p.10的独热编码，自动补全所有1-10的类别，未出现的类别对应列统一填0
dummies = pd.get_dummies(df['cluster'], prefix='p', prefix_sep='.') \
            .reindex(columns=[f'p.{i}' for i in range(1, 11)], fill_value=0)

# 定位name列的位置，将独热编码插入name和cluster之间
name_col_idx = df.columns.get_loc('name') + 1
df = pd.concat([df.iloc[:, :name_col_idx], dummies, df.iloc[:, name_col_idx:]], axis=1)

自定义值填充实现 #

如果需要将默认的1/0替换为自定义值，直接对生成的独热编码矩阵做值替换即可，示例如下：

# 示例：将匹配位置的1替换为99，其余位置的0替换为-1
custom_dummies = dummies.replace({1: 99, 0: -1})

# 后续插入逻辑和原需求一致
name_col_idx = df.columns.get_loc('name') + 1
df = pd.concat([df.iloc[:, :name_col_idx], custom_dummies, df.iloc[:, name_col_idx:]], axis=1)

R实现 #

原需求（0/1独热编码填充） #

使用你提到的fastDummies包的dummy_cols函数实现，代码如下：

library(fastDummies)

# 生成独热编码
dummies <- dummy_cols(df$cluster, prefix = "p", prefix_sep = ".", remove_selected_columns = TRUE)

# 补全p.1-p.10所有列，未出现的类别列统一填0
all_cols <- paste0("p.", 1:10)
missing_cols <- setdiff(all_cols, colnames(dummies))
dummies[missing_cols] <- 0
dummies <- dummies[, all_cols]

# 插入到name和cluster列之间
name_pos <- which(colnames(df) == "name")
df <- cbind(df[, 1:name_pos], dummies, df[, (name_pos+1):ncol(df)])

自定义值填充实现 #

直接对生成的哑变量矩阵做批量替换即可，示例如下：

# 示例：将匹配位置的1替换为"匹配"，其余位置的0替换为"不匹配"
dummies[dummies == 1] <- "匹配"
dummies[dummies == 0] <- "不匹配"

# 后续插入逻辑和原需求一致

内容的提问来源于stack exchange，提问作者Mathica