使用Pandas将变量转换为多列：考古遗留数据格式转换需求

嘿，我来一步步教你搞定这份考古遗址时间数据的格式转换——这种同一遗址跨多个时间阶段的重复记录，在考古数据处理里是非常典型的场景！

先明确需求 #

你手头的遗留数据核心字段是：

• NUM: 遗址的唯一标识符
• TEMPORAL: 遗址对应的时间阶段
  因为部分遗址存在多个时间占用情况，原始数据会重复出现同一NUM的多行记录。我们要把它转成宽格式：每个遗址一行，每个时间阶段作为独立列，该遗址存在对应阶段就填1，否则填0。

实操步骤 #

1. 先模拟原始数据（你可以替换成自己的真实数据） #

import pandas as pd

# 模拟你的原始数据结构
raw_data = pd.DataFrame({
    "NUM": ["S001", "S001", "S002", "S003", "S003", "S003"],
    "TEMPORAL": ["新石器时代", "青铜时代", "青铜时代", "旧石器时代", "新石器时代", "铁器时代"]
})
print("原始数据：")
print(raw_data)

运行后输出的原始数据长这样：

原始数据：
    NUM TEMPORAL
0  S001   新石器时代
1  S001    青铜时代
2  S002    青铜时代
3  S003   旧石器时代
4  S003   新石器时代
5  S003    铁器时代

2. 生成时间阶段的二进制列 #

用Pandas的get_dummies()函数，它能自动把TEMPORAL这种分类变量拆成二进制列（存在则为1，否则为0）：

# 生成时间阶段的哑变量（二进制列）
temporal_dummies = pd.get_dummies(raw_data["TEMPORAL"], prefix="", prefix_sep="")

# 把唯一标识符NUM和哑变量列合并
combined_data = pd.concat([raw_data["NUM"], temporal_dummies], axis=1)

3. 按遗址分组聚合，去重并保留阶段标识 #

同一遗址可能有重复的时间阶段记录，我们按NUM分组后取max()——这样只要该遗址存在某阶段，就会保留1，不存在则为0：

# 分组聚合得到最终结果
final_result = combined_data.groupby("NUM").max().reset_index()
print("\n转换后的数据：")
print(final_result)

最终输出的格式完全符合你的需求：

转换后的数据：
    NUM  旧石器时代  新石器时代  青铜时代  铁器时代
0  S001       0       1       1       0
1  S002       0       0       1       0
2  S003       1       1       0       1

额外小贴士 #

• 如果原始数据还有其他需要保留的字段（比如遗址位置、类型），可以在concat时一起加入，分组时对这些字段用first()或mean()等合适的聚合方式（比如groupby("NUM").agg({"NUM":"first", "LOCATION":"first", "旧石器时代":"max"...})）
• 如果TEMPORAL列有格式不统一的情况（比如空格、大小写、别名），记得先做数据清洗：比如用raw_data["TEMPORAL"] = raw_data["TEMPORAL"].str.strip()去空格，或者用replace()统一别名

内容的提问来源于stack exchange，提问作者Computarch