如何将单列分类的NumPy数组/Pandas DataFrame转为多列布尔矩阵？

嘿，这个需求根本不用自己写迭代逻辑！Pandas和NumPy都有现成的高效方法，尤其是Pandas的内置函数完全贴合你的场景，性能比手动循环强太多，下面给你详细拆解：

首选方案：Pandas get_dummies() 一步到位 #

Pandas的pd.get_dummies()就是专门为分类数据编码设计的工具，直接生成对应列的矩阵，再转成布尔类型即可：

步骤示例 #

1. 先模拟你的原始DataFrame：

import pandas as pd

# 示例数据：单列分类数据
df = pd.DataFrame({'category': ['Dog', 'Cat', 'Dog', 'Bird', 'Cat', 'Dog']})

2. 生成布尔矩阵：

# 先生成0/1编码矩阵，再转成布尔值
bool_matrix = pd.get_dummies(df['category']).astype(bool)

运行后得到的结果就是你要的布尔矩阵：

额外细节 #

• 如果你想保留所有可能的分类（哪怕当前数据里没出现），可以先把列转成Categorical类型再处理：

  df['category'] = pd.Categorical(df['category'], categories=['Dog', 'Cat', 'Bird', 'Fish'])
  bool_matrix = pd.get_dummies(df['category']).astype(bool)
  

  这样会自动生成Fish列，所有值都是False。
• 这个方法是Pandas内部优化的向量化操作，数据量越大，比手动迭代的速度优势越明显。

备选：纯NumPy实现思路 #

如果偏好NumPy，可以先把分类映射成整数编码，再用单位矩阵索引生成布尔矩阵：

import numpy as np

# 提取唯一分类并建立映射关系
categories = df['category'].unique()
cat_to_idx = {cat: idx for idx, cat in enumerate(categories)}
# 把分类转成整数编码
encoded = df['category'].map(cat_to_idx).values

# 生成布尔矩阵
bool_matrix_np = np.eye(len(categories), dtype=bool)[encoded]

不过这个方法需要手动处理分类映射，不如Pandas方案简洁，推荐优先用get_dummies()。

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