如何将DataFrame中包含列表的列转换为独热编码列？

嗨，这个需求我平时处理数据时也常碰到，给你分享两个高效的实现方法，都是亲测好用的：

先把你的示例数据贴出来，方便对照操作：

import pandas as pd 
import numpy as np 

df = pd.DataFrame({'id':range(1,4), 
                   'items':[['A', 'B'], ['A', 'B', 'C'], ['A', 'C']]})

方法一：纯Pandas实现（无需额外库） #

这种方法不用导入其他工具，靠Pandas自带的方法就能搞定，步骤清晰还简洁：

1. 把items列的列表展开成多层索引结构
2. 对展开后的元素生成独热编码
3. 按原DataFrame的索引求和，得到每行对应的编码结果
4. 最后把编码结果和原DataFrame合并

代码如下：

# 生成独热编码部分
one_hot = pd.DataFrame(df['items'].tolist()).stack().str.get_dummies().sum(level=0)
# 合并到原DataFrame
result = pd.concat([df, one_hot], axis=1)
print(result)

运行后就能得到你想要的输出：

id       items  A  B  C
0   1      [A, B]  1  1  0
1   2  [A, B, C]  1  1  1
2   3      [A, C]  1  0  1

方法二：用sklearn的MultiLabelBinarizer（多标签场景更直观） #

如果你的项目已经在使用sklearn，那这个方法逻辑更直白，专门针对多标签的编码需求：

1. 导入MultiLabelBinarizer类
2. 用它拟合并转换items列的列表数据
3. 把转换结果转成DataFrame，指定列名为对应的标签
4. 和原DataFrame合并即可

代码示例：

from sklearn.preprocessing import MultiLabelBinarizer

mlb = MultiLabelBinarizer()
# 转换数据并生成对应DataFrame
one_hot = pd.DataFrame(mlb.fit_transform(df['items']), columns=mlb.classes_, index=df.index)
# 合并数据
result = pd.concat([df, one_hot], axis=1)
print(result)

这个方法的输出和第一种完全一致，而且如果items里出现新的标签，它会自动识别并生成对应列，用起来特别省心。

你可以根据自己的项目环境选合适的方法，两种都能高效完成需求～

备注：内容来源于stack exchange，提问作者DaCard