如何将不同长度列表的字典转化成多类别汇总表格

本文介绍两种高效方法，将键值为不等长字符串列表的字典（如 {'A': ['CATEGORY 2'], 'B': ['CATEGORY 1', 'CATEGORY 2']}）转换为以键为行、所有出现过的类别为列的二元（或标记型）汇总 DataFrame，支持空值自动补零或填充 'x'。

本文介绍两种高效方法，将键值为不等长字符串列表的字典（如 `{'a': ['category 2'], 'b': ['category 1', 'category 2']}`）转换为以键为行、所有出现过的类别为列的二元（或标记型）汇总 dataframe，支持空值自动补零或填充 `'x'`。

在数据分析中，常需将嵌套结构（如字典中每个 key 对应一个类别列表）展平为“宽格式”汇总表，便于可视化或后续统计。原始字典中各列表长度不一（如 'C': [] 为空），直接用 pd.DataFrame.from_dict(..., orient='index') 会导致列对齐失败——因为 pandas 默认按位置展开，而非按类别语义对齐。

✅ 推荐方案一：使用 str.get_dummies()（语义清晰、一行式表达）

import pandas as pdresponse = {    'A': ['CATEGORY 2'],    'B': ['CATEGORY 1', 'CATEGORY 2'],    'C': [],    'D': ['CATEGORY 3'],}# 步骤解析：# 1. 将每个列表用 '|' 连接成字符串（如 ['CATEGORY 1','CATEGORY 2'] → 'CATEGORY 1|CATEGORY 2'）# 2. 构建 Series，index 为原始 keys（即 ITEM），便于后续索引对齐# 3. 调用 str.get_dummies() 自动识别所有唯一类别并生成 0/1 矩阵# 4. 可选：replace({1: 'x', 0: ''}) 实现符号化显示（注意：替换后列类型变为 object）out = (    pd.Series(map('|'.join, response.values()), index=response.keys())    .rename_axis('ITEM')    .str.get_dummies()    .reset_index())print(out)

输出：

  ITEM  CATEGORY 1  CATEGORY 2  CATEGORY 30    A           0           1           01    B           1           1           02    C           0           0           03    D           0           0           1

若需显示 'x' 而非 1，取消注释 .replace({0: '', 1: 'x'}) 即可（注意：此操作会将数值列转为字符串列，影响数值计算）。

✅ 推荐方案二：字典推导 + pd.DataFrame.from_dict()（逻辑直观、完全可控）

# 构造中间字典：{item: {category: 'X', ...}, ...}# 空列表自动映射为空字典 → 对应行全为 NaN，fillna(0) 或直接保留空intermediate = {    k: {v: 'X' for v in lst}     for k, lst in response.items()}out = pd.DataFrame.from_dict(intermediate, orient='index')                    .rename_axis('ITEM')                    .reset_index()                    .fillna('')  # 将 NaN 替换为空字符串，保持 'X' 标记风格print(out)

输出（带 'X' 标记）：

  ITEM CATEGORY 1 CATEGORY 2 CATEGORY 30    A                       X           1    B          X          X           2    C                                 3    D                                X

? 关键注意事项：

• str.get_dummies() 要求输入为字符串 Series；空列表经 '|'.join([]) 得到空字符串 ''，get_dummies() 会为其生成全零行，行为稳定。
• 方案二中，fillna('') 应在 reset_index() 后执行，避免索引列被误填。
• 若类别名含特殊字符（如空格、斜杠），get_dummies() 默认能正确处理；但若用于机器学习特征工程，建议提前标准化类别名（如 .str.replace(r's+', '_', regex=True)）。
• 两种方法均自动提取全部唯一类别作为列名，无需手动去重或排序；如需固定列顺序，可在最后用 reindex(columns=['ITEM', 'CATEGORY 1', 'CATEGORY 2', 'CATEGORY 3'])。

综上，str.get_dummies() 更简洁且内置健壮性高，适合快速原型；字典推导法则更易调试和定制（如支持多值权重、自定义标记符），适合生产环境灵活扩展。