将Pandas数据框整数列编码为带前导零的16位二进制列

嘿，这个需求我刚好帮别人解决过，给你两个实用的方案，轻松搞定把整数转成16位二进制拆分列的问题！

方法一：字符串格式化法（直观易理解） #

这种方法用字符串格式化把整数转成16位二进制，再拆分每一位，非常适合快速上手：

import pandas as pd

# 先构造示例数据（替换成你自己的DataFrame即可）
df = pd.DataFrame({'num': [20, 5, 33000]})

# 把每个数字转成16位二进制字符串，拆成单个字符后转成整数列
binary_df = df['num'].apply(
    lambda x: pd.Series(list(f"{x:016b}")).astype(int)
)

# 给新列命名，对应从高位到低位的16个bit（bit_15是最高位，bit_0是最低位）
binary_df.columns = [f'bit_{i}' for i in range(15, -1, -1)]

# 合并原数据和二进制列
final_df = pd.concat([df, binary_df], axis=1)

print(final_df)

运行后，你会看到num=20对应的16列就是0,0,0,0,0,0,0,0,0,0,0,1,0,1,0,0，完全符合你的要求！

方法二：位运算法（高效适合大数据） #

如果你的数据集很大，位运算的向量化操作会比apply快很多，原理是通过移位和按位与来提取每一位的值：

import pandas as pd

df = pd.DataFrame({'num': [20, 5, 33000]})

# 循环生成16个bit列，从高位到低位
for bit_pos in range(15, -1, -1):
    # 右移bit_pos位后取最后一位，得到该bit的值
    df[f'bit_{bit_pos}'] = (df['num'] >> bit_pos) & 1

print(df)

这个方法不需要处理字符串，直接对数值进行运算，性能更优，百万级数据也能轻松处理。

注意事项 #

• 确保你的整数范围在0~65535之间（16位无符号整数的最大值），如果超过这个范围，16位二进制会溢出，需要提前做截断或过滤处理。
• 如果你想让列的顺序从低位到高位，只需要把循环的range(15, -1, -1)改成range(0, 16)就行，对应命名为bit_0到bit_15。

内容的提问来源于stack exchange，提问作者Mridula Gunturi