Python Pandas：基于源列不同值高效创建布尔型新列的方法

嘿，这个问题我太有发言权了！手动创建列再挨个写apply函数确实效率极低，尤其是数据量上去之后完全扛不住。其实Pandas早就给我们准备好了高效的向量化解决方案，分两种常见情况给你说：

情况1：源列每个单元格是单一类别值 #

如果你的源列每行只有一个独立的类别（比如每行是"苹果"/"香蕉"/"橙子"这种单一标签），直接用pd.get_dummies()就能一键搞定：

import pandas as pd

# 示例数据
df = pd.DataFrame({"水果": ["苹果", "香蕉", "苹果", "橙子", "香蕉"]})

# 自动生成所有唯一值对应的布尔列，默认用0/1填充
dummies_df = pd.get_dummies(df["水果"], prefix="类别")

# 合并回原DataFrame
result_df = pd.concat([df, dummies_df], axis=1)

执行后你会得到类别_苹果、类别_香蕉、类别_橙子这几列，对应行的类别位置会被标记为1，其余为0。这个方法是Pandas底层优化的向量化操作，比手动apply快几个数量级。

情况2：源列每个单元格包含多个类别值 #

如果你的源列单元格是用分隔符（比如逗号、空格）分隔的多标签（比如"苹果,香蕉"），用Series的str.get_dummies()方法更合适：

import pandas as pd

# 示例数据
df = pd.DataFrame({"水果": ["苹果,香蕉", "香蕉", "苹果,橙子", "橙子"]})

# 指定分隔符，自动拆分并生成布尔列
dummies_df = df["水果"].str.get_dummies(sep=",")

# 合并回原DataFrame
result_df = pd.concat([df, dummies_df], axis=1)

这个方法会自动识别所有出现过的标签，生成对应的列，每个标签在对应行存在就标记为1，否则为0，同样是完全向量化的操作，效率拉满。

额外小技巧 #

如果你需要把0/1转换成严格的布尔值（True/False），只需要在生成的结果后加上.astype(bool)即可，比如：

dummies_df = pd.get_dummies(df["水果"], prefix="类别").astype(bool)

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