如何为Pandas数据框中State列的每个值生成带Y/N的新列？

Hey there! 针对你这个需要把大量State取值转成对应Y/N标记列的需求，我给你分享两个高效的Python解决方案，不用手动一个个处理，完美适配大规模数据的场景～

先明确下你的需求：

原始数据 #

目标格式 #

方法1：用pd.get_dummies一键生成（推荐） #

这个方法是Pandas里处理这类问题最简洁高效的方式，自动识别所有State的唯一取值，生成对应的列，完全不用手动循环：

import pandas as pd

# 构造原始数据框
df = pd.DataFrame({
    'name': ['coles', 'woolworth', 'big w', 'target'],
    'state': ['vic', 'nsw', 'act', 'nt'],
    'postcode': [2501, 3409, 3201, 1089]
})

# 先把state列统一转成大写，和目标列名匹配
df['state'] = df['state'].str.upper()

# 生成哑变量（0/1），然后替换成Y/N
state_dummies = pd.get_dummies(df['state'], prefix='', prefix_sep='').replace({0: 'N', 1: 'Y'})

# 把生成的Y/N列和原数据合并
final_df = pd.concat([df, state_dummies], axis=1)

print(final_df)

运行后直接得到你要的格式，而且不管State有多少种取值，这个代码都能自动适配，效率比循环高很多～

方法2：循环生成列（贴近Stata思路） #

如果你更习惯Stata里循环处理的逻辑，也可以用Python的循环来生成每一列，逻辑更直观：

import pandas as pd

df = pd.DataFrame({
    'name': ['coles', 'woolworth', 'big w', 'target'],
    'state': ['vic', 'nsw', 'act', 'nt'],
    'postcode': [2501, 3409, 3201, 1089]
})

# 统一转大写
df['state'] = df['state'].str.upper()

# 获取所有唯一的State值
unique_states = df['state'].unique()

# 循环遍历每个State，生成对应的Y/N列
for state in unique_states:
    df[state] = df['state'].apply(lambda x: 'Y' if x == state else 'N')

print(df)

这个方法和你在Stata里的循环逻辑几乎一致，每遍历一个State就生成一列，判断当前行是否属于该State，标记Y/N。如果需要对某些列做自定义处理，这个方法更灵活。

小提示 #

• 如果原始数据的State列大小写混合，一定要先统一转成大写（或小写），确保生成的列名和标记逻辑一致
• 当State取值非常多时，优先用方法1，pd.get_dummies是基于向量化操作实现的，比循环快很多

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