pd.get_dummies() 不支持多标签直接编码，必须先用 explode 展开 list 列为行级结构，再 get_dummies，最后 groupby.sum() 聚合；否则会将整个列表当字符串处理，生成错误列名和数据错位。
直接说结论：pd.get_dummies() 本身不支持多标签（multi-label）场景下的原子级展开——它会把整个列表当字符串处理，导致错误的列名和数据错位。必须先将多标签字段“炸开”成行级结构，再用 get_dummies()。
为什么直接对 list 类型列调用 get_dummies 会失败
假设你有一列 genres，值是 ['action', 'comedy'] 这样的 list。Pandas 默认把它当做一个不可拆分的对象，get_dummies(df['genres']) 实际上会对每个 list 整体做哈希或 str() 转换，生成类似 ['action', 'comedy']、['drama'] 这样的列名，完全不是你想要的 one-hot 效果。
常见错误现象包括：
- 生成列名带方括号和引号，如
"['action', 'comedy']" - 每行只在“原始 list 全貌”那一列置 1，其余全为 0
- 内存暴涨（因 unique list 组合爆炸）
正确做法：先 explode 再 get_dummies
核心步骤是把 list 列“纵向展开”，让每个标签独占一行，再横向 one-hot 编码。这是唯一可靠路径。
实操建议：
- 确保目标列是 list 类型，不是字符串（比如从 CSV 读入后需用
ast.literal_eval转回 list） - 用
df.explode('genres')把genres列炸开，原行数 × 平均标签数 - 再对炸开后的列做
pd.get_dummies(df_exploded['genres'], prefix='genre') - 最后用
groupby(..., as_index=False).sum()按原始索引聚合回原行维度
示例片段：
import pandas as pd
df = pd.DataFrame({'id': [1, 2], 'genres': [['action', 'comedy'], ['drama']]})
df_exploded = df.explode('genres')
dummies = pd.get_dummies(df_exploded['genres'], prefix='genre')
result = pd.concat([df_exploded[['id']], dummies], axis=1).groupby('id', as_index=False).sum()
注意 label 顺序、缺失值和稀疏性
explode 后若某行原值是 None 或空 list，explode 会产出 NaN 行，get_dummies 默认跳过 NaN —— 所以最终该行所有 dummy 列都是 0，符合预期。但要注意：
- 如果想保留原始行数（含全零行），
groupby(...).sum()是安全的；用.max()也行，但语义更清晰的是.sum() - 标签顺序不影响结果，
get_dummies按字母序排序列，如需固定顺序，可传入columns参数显式指定 - 高基数标签（如 >1000 类）会导致宽表爆炸，此时应考虑用
sparse=True或转向scikit-learn的MultiLabelBinarizer
真正容易被忽略的是：炸开 + 聚合这一步无法绕过，哪怕你用 apply(pd.Series) 或 str.get_dummies(sep=',')，底层仍是模拟 explode 行为。别试图跳过 explode —— 它不是冗余步骤，而是语义正确的必要转换。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
