多列Label Binarizer处理：高效实现方法问询

针对你需要将每行包含多个类别标签的DataFrame转换为独热编码宽表的需求，完全不需要用暴力循环来实现，下面几种基于pandas或scikit-learn的向量化方法既简洁又高效，适合处理大规模数据：

方法1：使用stack() + get_dummies() + sum()（最简洁的pandas原生方法） #

这种方法利用pandas的堆叠和独热编码功能，一步完成转换：

import pandas as pd

# 构造你的原DataFrame
df = pd.DataFrame({
    0: ['Cat', 'Fish', 'Fish', 'Cat', 'Dog'],
    1: ['Chicken', 'Chicken', 'Cat', 'Chicken', 'Cat']
})

# 核心操作：堆叠每行的类别 -> 独热编码 -> 按原行索引求和
result = df.stack().str.get_dummies().sum(level=0)

print(result)

输出结果完全符合你的目标：

Cat  Chicken  Dog  Fish
0    1        1    0     0
1    0        1    0     1
2    1        0    0     1
3    1        1    0     0
4    1        0    1     0

方法2：使用melt() + crosstab()（更直观的长转宽思路） #

如果想更清晰地看到数据转换过程，可以先将宽表转成长表，再用交叉表统计：

import pandas as pd

df = pd.DataFrame({
    0: ['Cat', 'Fish', 'Fish', 'Cat', 'Dog'],
    1: ['Chicken', 'Chicken', 'Cat', 'Chicken', 'Cat']
})

# 添加行ID用于分组
df['row_id'] = df.index
# 转成长格式
melted_df = df.melt(id_vars='row_id', value_name='animal')
# 交叉表统计每行每个类别的出现次数
result = pd.crosstab(melted_df['row_id'], melted_df['animal']).reset_index(drop=True)

print(result)

方法3：使用scikit-learn的MultiLabelBinarizer（专门的多标签编码工具） #

如果你已经在使用scikit-learn做机器学习预处理，这个方法会更贴合你的工作流：

import pandas as pd
from sklearn.preprocessing import MultiLabelBinarizer

df = pd.DataFrame({
    0: ['Cat', 'Fish', 'Fish', 'Cat', 'Dog'],
    1: ['Chicken', 'Chicken', 'Cat', 'Chicken', 'Cat']
})

# 将每行的类别转换为列表形式
row_labels = df.values.tolist()

# 初始化多标签编码器并转换
mlb = MultiLabelBinarizer()
encoded_data = mlb.fit_transform(row_labels)

# 转换为DataFrame
result = pd.DataFrame(encoded_data, columns=mlb.classes_)

print(result)

为什么这些方法比暴力循环高效？ #

这些方法都利用了向量化操作：pandas和scikit-learn的核心逻辑都是用C语言实现的，避免了Python层面的循环开销，当数据量较大时（比如上万行），效率会比暴力循环高出几十甚至上百倍。

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