Pandas技术问询：将单列拆分为含唯一值的多列

嘿，这个需求用Pandas就能轻松搞定，给你两个实用的方案：

方案一：用str.split + get_dummies快速实现 #

这个方法利用Pandas的字符串处理和独热编码工具，代码简洁高效：

首先先构造你的示例DataFrame：

import pandas as pd

df = pd.DataFrame({'A': ['Me', 'Myself', 'and', 'Irene', 'Me, Myself, and Irene']})

然后执行以下步骤：

# 1. 把每行的字符串按", "拆分，展开为多行并保留原索引
split_series = df['A'].str.split(', ', expand=True).stack()
# 2. 生成每个词的独热编码
dummies_df = pd.get_dummies(split_series)
# 3. 按原索引分组求和，合并同一行的编码结果
result = dummies_df.groupby(level=0).sum()

执行后result就是你要的格式啦！原理是把多词的行拆分成单个词的行，生成编码后再按原行索引合并，自动把同一行的多个词的1累加起来。

方案二：自定义编码函数（更直观可控） #

如果你想更清楚地控制每一步，可以用自定义函数来实现：

# 第一步：收集所有出现过的唯一词汇，作为结果的列名
all_unique_words = set()
for text in df['A']:
    all_unique_words.update(text.split(', '))
# 手动指定列顺序和示例一致
all_unique_words = ['Me', 'Myself', 'and', 'Irene']

# 第二步：定义编码函数，判断每行是否包含对应词汇
def encode_single_row(row):
    current_words = set(row['A'].split(', '))
    return pd.Series(
        [1 if word in current_words else 0 for word in all_unique_words],
        index=all_unique_words
    )

# 第三步：把函数应用到DataFrame的每一行
result = df.apply(encode_single_row, axis=1)

这个方案更灵活，比如你可以随时调整列的顺序，或者修改匹配规则（比如忽略大小写之类的）。

两种方案最终都会输出你需要的结果：

Me  Myself  and  Irene
0    1       0     0     0
1    0       1     0     0
2    0       0     1     0
3    0       0     0     1
4    1       1     1     1

内容的提问来源于stack exchange，提问作者FaCoffee