如何在 Pandas 列中查找和提取部分字符串並將其編碼到新列中

Question

我有一個 Pandas dataframe 的列，如下所示：

ID	語言
01	西班牙語 - C1
02	不
03	西班牙語 - B2
04	西班牙語 - C1 / 德語 - C1 / 葡萄牙語 - C1
05	不
06	德國C2
07	不
08	西班牙語 - B2 / 葡萄牙語 - C1

每個 id 可以沒有語言（'No'），它可以有一種語言后跟它的級別（例如'西班牙語 - B2'）或者它可以有幾種語言，它們的級別由“/”符號分隔（例如。“意大利語-B1 / 葡萄牙語-C2").

這個想法是使用“語言”列中的信息在新列中進行編碼。 例如，像這樣：

ID	沒有_lang	西班牙語 - B2	西班牙語 - C1	德語 - C1	德語 - C2	葡萄牙語 - C1
01	0	0	1個	0	0	0
02	1個	0	0	0	0	0
03	0	1個	0	0	0	0
04	0	0	1個	1個	0	1個
05	1個	0	0	0	0	0
06	0	0	0	0	1個	0
07	1個	0	0	0	0	0
08	0	1個	0	0	0	1個

如果有多種語言，它們總是按字母順序出現。

我想這很復雜，我不知道從哪里開始。

提前致謝！ 任何幫助表示贊賞！

Answer 1

一個可能的解決方案，基於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