Python 比较多个数据帧使用二进制值添加新的列填充以进行匹配

假设我有两个数据帧。一个具有所有实例的合并数据帧，另一个仅具有列id的唯一实例

df1看起来像这样：

|    id    |    category_name
|  459291  |    c1
|  349532  |    c1
|  459291  |    c2
|  719300  |    c1
|  349532  |    c3
|  459291  |    c4
|  649202  |    c2
|  459291  |    c5

df2看起来像这样：

|    id    |    category_name
|  459291  |    c1
|  349532  |    c1
|  719300  |    c1
|  649202  |    c2

我要做的是在df2上为列“category\u name”中的每个值创建新列，如果“id”中的唯一值具有匹配的“category\u name”，则输出1或0。然后我会删除“category_name”列。所以，我期望的输出是这样的

|    id    |    c1                |     c2          |     c3        |  c4 |
|  459291  |           1          |        1        |        1      |     1    |
|  349532  |           1          |        1        |        0      |     0    |
|  719300  |           1          |        0        |        0      |     0    |
|  649202  |           0          |        1        |        0      |     0    |

---

我觉得这也可以使用合并的数据帧来完成，但我不确定如何在保留每个唯一ID的新列值的同时删除重复项。非常感谢您的帮助

这是一种使用

pivot\u table（）

的方法，原因是我不必添加

aux

列：

import pandas as pd
df = pd.DataFrame({'id':[459291,349532,459291,719300,349532,459291,649202,459291],
                   'playlist':['new','new','top','new','top','old','top','workout']})
df['aux'] = 1
new_df = pd.pivot_table(df,index='id',columns=['playlist'],aggfunc='count',values='aux').fillna(0).astype(int)
print(new_df)

输出：

playlist  new  old  top  workout
id                              
349532      1    0    1        0
459291      1    1    1        1
649202      0    0    1        0
719300      1    0    0        0

---

这太完美了。非常感谢您，我不知道您可以在python中使用透视表函数。我肯定会更深入地了解熊猫的所有功能！你几乎什么都有！确保检查这些功能

groupby

，

sort\u values（）

，

pivot\u table

，

melt（）

，

crosstab

都非常强大！谢谢你的帮助！我还有一个问题。假设除了ID和播放列表之外，我还有其他列。在执行数据透视表的同时，我如何在数据帧输出中保留它们？这需要一些额外的信息，因为正如您所看到的，我们聚合

ID

列，我们应该知道如何处理这些额外的列（每个ID求和？每个ID计数？）如果您遇到了一些不同的问题，或者只是理论上的问题，请随时提出新问题，我们可以在这里进行讨论。请尝试

pandas。交叉表
谢谢您，我刚才已经解决了这个问题！谢谢你的回答。如果您有sql方面的经验，请查看我最近提出的bigquery问题：）