电影推荐数据集genre列拆分：如何按|分隔转为多列？

嘿，这个需求在电影数据集预处理里太普遍了！最简洁高效的方式绝对是用Pandas的str.get_dummies()方法，它能直接把用|分隔的多类别字段转换成独立的二进制列（独热编码），完全匹配你的需求。

先看你的示例数据：

movieId	title	genres
0	1	Toy Story (1995)	Adventure|Animation|Children|Comedy|Fantasy
1	2	Jumanji (1995)	Adventure|Children|Fantasy
2	3	Grumpier Old Men (1995)	Comedy|Romance
3	4	Waiting to Exhale (1995)	Comedy|Drama|Romance
4	5	Father of the Bride Part II (1995)	Comedy

完整实现步骤 #

1. 导入Pandas并加载数据集
2. 用str.get_dummies()拆分genre列，指定分隔符为|
3. 将拆分后的列合并回原数据集

直接上可运行的代码：

import pandas as pd

# 加载数据集（这里用你的示例数据模拟，实际可以用pd.read_csv加载文件）
df = pd.DataFrame({
    'movieId': [1, 2, 3, 4, 5],
    'title': [
        'Toy Story (1995)',
        'Jumanji (1995)',
        'Grumpier Old Men (1995)',
        'Waiting to Exhale (1995)',
        'Father of the Bride Part II (1995)'
    ],
    'genres': [
        'Adventure|Animation|Children|Comedy|Fantasy',
        'Adventure|Children|Fantasy',
        'Comedy|Romance',
        'Comedy|Drama|Romance',
        'Comedy'
    ]
})

# 拆分genre列，生成独热编码
genre_columns = df['genres'].str.get_dummies(sep='|')

# 合并到原数据集
final_df = pd.concat([df, genre_columns], axis=1)

# 可选：如果不需要保留原始genres列，可以删除它
# final_df = final_df.drop('genres', axis=1)

# 查看结果
print(final_df.head())

结果说明 #

运行后你会得到每个电影类型对应的独立列，比如Adventure、Animation等，列值为1表示该电影属于这个类型，0表示不属于。这种格式非常适合后续的推荐系统建模（比如协同过滤、机器学习分类）或者数据分析。

为什么这是最优方式？ #

• 效率极高：Pandas的矢量化操作比手动循环处理快几个数量级，哪怕是几十万条数据的大集也能秒处理
• 代码简洁：一行代码完成拆分+编码，可读性极强，后续维护成本低
• 通用性强：不管分隔符是什么，只要修改sep参数就能适配，还能直接和原数据集无缝合并

内容的提问来源于stack exchange，提问作者Ast