如何将多组类别集合转换为标记形式的DataFrame？

核心需求说明 #

将由多组类别构成的集合序列，转换为以全量出现类别为列的结构化DataFrame，每行通过1/0标记所属集合是否包含对应类别元素。

常用实现方案 #

方案1：Pandas内置方法快速实现 #

适合常规批量处理场景，代码简洁无需手写循环逻辑，借助pandas内置的展开、one-hot编码能力直接生成结果：

import pandas as pd

# 待转换输入示例
A = [{'a', 'c'}, {'a', 'b'}, {'b', 'd'}, {'e'}]

# 链式操作生成二值标记DataFrame
result = pd.Series(A).explode().str.get_dummies().groupby(level=0).max()

# 可选：调整行索引从1开始，匹配示例输出格式
result.index = result.index + 1

方案2：逐行判断的手动实现 #

灵活性更高，方便后续嵌入自定义判断规则，逻辑直观易维护：

import pandas as pd

# 待转换输入示例
A = [{'a', 'c'}, {'a', 'b'}, {'b', 'd'}, {'e'}]

# 提取全量不重复类别作为DataFrame列名
all_categories = sorted({cat for single_set in A for cat in single_set})

# 逐行生成二值标记矩阵
binary_matrix = [
    [1 if cat in single_set else 0 for cat in all_categories]
    for single_set in A
]

# 生成结构化DataFrame，设置行索引从1开始
result = pd.DataFrame(binary_matrix, columns=all_categories, index=range(1, len(A)+1))

最终输出效果 #

两种方案生成的结果完全一致，匹配参考示例要求：

a  b  c  d  e
1  1  0  1  0  0
2  1  1  0  0  0
3  0  1  0  1  0
4  0  0  0  0  1

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