如何将DataFrame中Department列转换为独热向量并按Customer聚合

先明确你的原始数据和目标需求：

原始DataFrame #

customer | Department
----------------------
A        | Food
B        | Home
A        | Office
C        | Home
A        | Home
B        | Office

目标输出 #

customer | Food | Home | Office
-----------------------------------
A        | 1    | 1    | 1
B        | 0    | 1    | 1
C        | 0    | 1    | 0

用Python的Pandas库就能轻松实现这个需求，我一步步给你演示：

1. 导入Pandas并构建原始DataFrame
   如果已经有现成的DataFrame可以跳过这一步，否则先把数据转换成Pandas格式：

import pandas as pd

# 构建原始数据
raw_data = {
    'customer': ['A', 'B', 'A', 'C', 'A', 'B'],
    'Department': ['Food', 'Home', 'Office', 'Home', 'Home', 'Office']
}
df = pd.DataFrame(raw_data)

2. 生成独热编码并与原数据合并
   用pd.get_dummies()对Department列做独热编码，然后和customer列合并到一起：

# 生成部门的独热编码，去掉前缀让列名直接是部门名称
department_dummies = pd.get_dummies(df['Department'], prefix='', prefix_sep='')
# 合并customer列和独热编码列
combined_df = pd.concat([df['customer'], department_dummies], axis=1)

3. 按Customer聚合并转换为整数类型
   按customer分组后取最大值（只要该客户关联过对应部门，结果就是1，没关联过则为0），最后重置索引并把编码列转为整数类型：

# 分组聚合+重置索引，让customer回到列的位置
result_df = combined_df.groupby('customer').max().reset_index()
# 将编码列转为整数类型，符合你要的格式
result_df = result_df.astype({'Food': int, 'Home': int, 'Office': int})

4. 查看最终结果
   打印result_df就能得到你想要的输出：

print(result_df)

为什么用max()聚合？ #

因为同一个客户可能多次关联同一个部门（比如客户A两次关联Home），独热编码会生成多个1，取最大值可以确保只要客户出现过该部门，最终值就是1，完全匹配你的需求。

内容的提问来源于stack exchange，提问作者Dipanjan Das