如何在pandas中将整数掩码按位编码为二进制虚拟变量

没问题，这事儿我经常碰到！下面给你分享几个实用的批量处理方法，轻松把pandas DataFrame里的整数掩码转成对应的二进制特征列——就像你说的，十进制11（4位二进制1011）生成4列值为1、0、1、1的特征。

方法1：字符串处理法（直观易懂） #

这个方法用字符串操作把整数转成固定长度的二进制字符串，再拆分每一位成单独列，适合小数据集或者需要快速验证的场景：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({'mask': [11, 3, 7, 0, 15]})
num_bits = 4  # 指定要转换的二进制位数

# 步骤：转二进制字符串→补前导零→拆分每一位
binary_features = df['mask'].apply(lambda x: bin(x)[2:].zfill(num_bits)).str.extractall('(.)').unstack()
# 给新列重命名，从高位到低位命名（比如bit_3对应2^3位）
binary_features.columns = [f'bit_{i}' for i in range(num_bits-1, -1, -1)]
# 合并回原DataFrame
df = pd.concat([df, binary_features], axis=1)

运行后你会得到如下结果：

方法2：位运算（高效快捷，适合大数据集） #

如果你的数据集很大，字符串处理可能有点慢，这时候用位运算直接操作数值就爽多了，完全没有字符串转换的开销，速度拉满：

import pandas as pd

df = pd.DataFrame({'mask': [11, 3, 7, 0, 15]})
num_bits = 4

# 生成每一位对应的掩码（比如4位就是8、4、2、1，对应2^3到2^0）
bit_masks = [2**i for i in range(num_bits-1, -1, -1)]

# 循环处理每一位：位与运算→右移到最低位，得到0或1
for idx, mask_val in enumerate(bit_masks):
    bit_pos = num_bits - 1 - idx
    df[f'bit_{bit_pos}'] = (df['mask'] & mask_val) >> bit_pos

百万级数据量用这个方法也能轻松跑通，性能比字符串处理好很多。

方法3：numpy向量化操作（极致高效） #

用numpy的unpackbits函数做向量化处理，也是大数据场景的绝佳选择。注意这个方法默认处理uint8类型，如果你需要超过8位的二进制特征，只需调整数据类型即可：

import pandas as pd
import numpy as np

df = pd.DataFrame({'mask': [11, 3, 7, 0, 15]})
num_bits = 4

# 把整数转成uint8数组→拆分成8位二进制→取最后num_bits位（我们需要的部分）
binary_array = np.unpackbits(df['mask'].values.astype(np.uint8), axis=0).reshape(-1, 8)[:, -num_bits:]
# 转成DataFrame并命名列
binary_df = pd.DataFrame(binary_array, columns=[f'bit_{i}' for i in range(num_bits-1, -1, -1)], index=df.index)
# 合并回原DataFrame
df = pd.concat([df, binary_df], axis=1)

这个方法利用numpy的底层优化，速度比纯pandas操作更快，适合超大规模数据集的批量处理。

内容的提问来源于stack exchange，提问作者Boycott OpenAI sellouts