当多字符字符串中类别为单字符时，基于Pandas Series生成哑变量的最简方法

嘿，这个需求我太熟了！其实用Pandas自带的字符串方法就能一行搞定，完全不需要复杂的循环或者额外的处理逻辑。

核心方法：str.get_dummies(sep='') #

Pandas的str.get_dummies本来是用来处理带分隔符的字符串生成哑变量的，只要把分隔符sep设为空字符串，它就会自动把每个字符串拆成单个字符，然后为每个出现过的字符生成对应的哑变量列——存在该字符的行标1，不存在则标0。

完整示例 #

先看一个实际的例子，假设我们有这样的Series：

import pandas as pd

# 示例数据，包含不同长度的多字符字符串，甚至空字符串
s = pd.Series(['abc', 'abd', 'a', 'bc', ''])

直接一行代码生成哑变量：

dummy_df = s.str.get_dummies(sep='')

输出结果如下：

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

额外说明 #

• 如果你的Series里有非字符串类型的数据，记得先转成字符串：s = s.astype(str)
• 就算字符串里有重复字符（比如'aab'），这个方法也会自动处理为“存在即1”，完全符合哑变量的定义；如果需要统计字符出现次数，可以改用其他方法，但这个场景下str.get_dummies(sep='')是最优解
• 所有出现过的单个字符都会成为独立的列，不管是字母、数字还是特殊符号

这个方法绝对是最简洁的，完全利用Pandas的内置功能，代码少且可读性高。

内容的提问来源于stack exchange，提问作者piRSquared