如何用多字典生成含百分比的DataFrame并优化pd.get_dummies

你遇到的问题根源在于pd.get_dummies的设计目标——它是用来生成二进制哑变量（仅标记是否存在）的工具，本身无法关联并填充其他数值列的内容。要实现以文件名为索引、匹配文本为列、百分比为值的DataFrame，正确的思路是先整合所有数据，再用透视表（pivot/pivot_table）重塑结构。

步骤1：整合三个字典为统一的DataFrame #

首先把三个字典的对应数据合并到一个DataFrame中，同时注意将百分比字符串转为数值类型：

import pandas as pd

# 示例数据
Dict1 = {'str1A':'file1', 'str1B':'file1', 'str2A':'file2', 'str2B':'file2'}
Dict2 = {'str1A':'jump', 'str1B':'fly', 'str2A':'jump', 'str2B':'run'}
Dict3 = {'str1A':'90', 'str1B':'60', 'str2A':'75', 'str2B':'85'}

# 合并为原始DataFrame
df_origin = pd.DataFrame({
    'file': Dict1.values(),
    'text': Dict2.values(),
    'percent': Dict3.values()
}, index=Dict1.keys())

# 将百分比字符串转为浮点型（后续计算/展示更合理）
df_origin['percent'] = df_origin['percent'].astype(float)

步骤2：用透视表生成目标结构 #

根据你的需求，用pivot_table（或pivot，当每个(file, text)组合唯一时）来重塑数据：

情况1：每个(file, text)组合仅对应一个百分比值

直接使用pivot即可：

result_df = df_origin.pivot(index='file', columns='text', values='percent')

情况2：存在重复的(file, text)组合（需要聚合处理）

如果同一个文件的同一个匹配文本对应多个百分比值，可通过aggfunc指定聚合规则（比如取最大值、平均值等）：

# 示例：取同一(file, text)组合的最大百分比
result_df = df_origin.pivot_table(
    index='file',
    columns='text',
    values='percent',
    aggfunc='max'  # 可替换为'mean'/'first'等，按需选择
)

最终结果示例 #

执行后会得到符合预期的DataFrame：

text   fly   jump    run
file                    
file1  60.0  90.0    NaN
file2   NaN  75.0  85.0

无匹配的位置会自动填充NaN，完全满足你的需求。

内容的提问来源于stack exchange，提问作者F.Lira