使用Pandas提取字符串字符并重构DataFrame

我来给你一步步搞定这个需求哈，咱们先把数据格式统一，再生成对应的独热编码列就行：

步骤1：统一Groups列的格式 #

原数据里Groups列混合了列表和单个字符串，咱们先把所有行都转成列表格式，方便后续处理：

import pandas as pd
from itertools import chain

# 你的原始DataFrame
df = pd.DataFrame({ 
    'Date': ['2017-1-1', '2017-1-2', '2017-1-3'], 
    'Groups': [['one','two'], ['one','three'], 'four']
})

# 把单个字符串转为单元素列表，统一格式
df['Groups'] = df['Groups'].apply(lambda x: x if isinstance(x, list) else [x])

步骤2：提取所有唯一的分组值 #

接下来咱们找出所有出现过的分组，用来生成后续的列：

# 扁平化所有Groups列表，获取唯一值并排序
all_groups = sorted(set(chain(*df['Groups'])))

步骤3：生成独热编码列 #

对每个分组，判断每行的Groups里是否包含该分组，包含标记1，否则标记0：

for group in all_groups:
    df[group] = df['Groups'].apply(lambda x: 1 if group in x else 0)

可选：还原Groups列的字符串格式 #

如果想要把Groups列变回你示例里的逗号分隔字符串（比如one, two），可以再加这一步：

df['Groups'] = df['Groups'].apply(lambda x: ', '.join(x))

最终结果 #

运行完上面的代码后，你就能得到完全符合预期的DataFrame：

Date       Groups  one  two  three  four
0  2017-1-1    one, two    1    1      0     0
1  2017-1-2  one, three    1    0      1     0
2  2017-1-3        four    0    0      0     1

内容的提问来源于stack exchange，提问作者ah bon