如何用Pandas生成含choice标识列的虚拟变量表格？

嘿，先明确下你的需求：你有这样一个原始Pandas DataFrame：

id | car       | sex    | income
-------------------------------
1  | European  | Male   | 45000
2  | Japanese  | Female | 48000
3  | American  | Male   | 53000

想要生成适合Stata asclogit/nlogit分析的格式——给每个用户生成对应所有车型的行，用choice列标记他们实际选的车型（选的为1，未选为0），最终得到这样的结果：

| id | car       | choice | sex    | income
1.  | 1  | European  | 1      | Male   | 45000
2.  | 1  | American  | 0      | Male   | 45000
3.  | 1  | Japanese  | 0      | Male   | 45000
    |----------------------------------------
4.  | 2  | European  | 0      | Female | 48000
5.  | 2  | American  | 0      | Female | 48000
6.  | 2  | Japanese  | 1      | Female | 48000
    |----------------------------------------
7.  | 3  | European  | 0      | Male   | 53000
8.  | 3  | American  | 1      | Male   | 53000
9.  | 3  | Japanese  | 0      | Male   | 53000

你已经用字典手动实现了，但想要更简洁的方案，对吧？

没问题，用Pandas的merge+assign组合操作就能轻松搞定，全程不用手动循环，代码简洁还高效：

完整代码示例 #

import pandas as pd

# 先构造你的原始DataFrame
data = {
    'id': [1, 2, 3],
    'car': ['European', 'Japanese', 'American'],
    'sex': ['Male', 'Female', 'Male'],
    'income': [45000, 48000, 53000]
}
df = pd.DataFrame(data)

# 核心步骤：生成目标格式数据
all_cars = pd.DataFrame({'car': df['car'].unique()})  # 获取所有车型类别
result = (
    df.merge(all_cars, how='cross', suffixes=('', '_all'))  # 笛卡尔积合并，每个用户对应所有车型
    .assign(choice=lambda x: (x['car'] == x['car_all']).astype(int))  # 生成choice标记列
    .drop('car', axis=1)  # 删掉原始的car列
    .rename(columns={'car_all': 'car'})  # 把合并后的car列改回原名
    .reindex(columns=['id', 'car', 'choice', 'sex', 'income'])  # 调整列顺序匹配需求
    .reset_index(drop=True)
)

# 输出结果
print(result)

关键步骤解释 #

• merge(how='cross')：这是核心！它会把原始DataFrame和所有车型的DataFrame做笛卡尔积合并，自动给每个用户生成对应所有车型的行，比手动写循环或者字典效率高太多，尤其数据量大的时候优势明显。
• assign(choice=...)：通过判断用户原始选择的car和当前行的car_all是否一致，生成布尔值，再转成int类型（True变1，False变0），完美实现choice列的标记需求。
• 列调整操作：最后通过drop、rename、reindex把列整理成你需要的顺序，确保和目标格式完全匹配。

这个方案完全用Pandas原生方法实现，代码简洁易维护，正好适合给Stata准备离散选择模型的输入数据～

内容的提问来源于stack exchange，提问作者Espie Rather