如何在 Pandas 列中查找和提取部分字符串并将其编码到新列中

Question

我有一个 Pandas dataframe 的列，如下所示：

ID	语言
01	西班牙语 - C1
02	不
03	西班牙语 - B2
04	西班牙语 - C1 / 德语 - C1 / 葡萄牙语 - C1
05	不
06	德国C2
07	不
08	西班牙语 - B2 / 葡萄牙语 - C1

每个 id 可以没有语言（'No'），它可以有一种语言后跟它的级别（例如'西班牙语 - B2'）或者它可以有几种语言，它们的级别由“/”符号分隔（例如。“意大利语-B1 / 葡萄牙语-C2").

这个想法是使用“语言”列中的信息在新列中进行编码。 例如，像这样：

ID	没有_lang	西班牙语 - B2	西班牙语 - C1	德语 - C1	德语 - C2	葡萄牙语 - C1
01	0	0	1个	0	0	0
02	1个	0	0	0	0	0
03	0	1个	0	0	0	0
04	0	0	1个	1个	0	1个
05	1个	0	0	0	0	0
06	0	0	0	0	1个	0
07	1个	0	0	0	0	0
08	0	1个	0	0	0	1个

如果有多种语言，它们总是按字母顺序出现。

我想这很复杂，我不知道从哪里开始。

提前致谢！ 任何帮助表示赞赏！

Answer 1

一个可能的解决方案，基于pandas.crosstab ：

df['language'] = df['language'].str.split(' / ')
df = df.explode('language')
pd.crosstab(index=df['Id'], columns=df['language'])

Output：

language  German - C1  German C2  No  Portuguese - C1  Spanish - B2  \
Id                                                                    
1                   0          0   0                0             0   
2                   0          0   1                0             0   
3                   0          0   0                0             1   
4                   1          0   0                1             0   
5                   0          0   1                0             0   
6                   0          1   0                0             0   
7                   0          0   1                0             0   
8                   0          0   0                1             1   

language  Spanish - C1  
Id                      
1                    1  
2                    0  
3                    0  
4                    1  
5                    0  
6                    0  
7                    0  
8                    0