tiem=[西红柿"，排骨’，鸡蛋'，茄子 ，袜子"，酸奶’，土豆 ，鞋子 ] import pandas as pd import numpy as np data = pd.read excel('tr.xlsx',header = None) data=data.iloc[:,1:] D=dict() # 数据转化为布尔类型存放DataFrame for t in range(len(tiem)): z=np.zeros((len(data))) li=list() z[lil=1 D.setdefault(tiem[t],z) Data=pd.DataFrame(D) #布尔值数据表

首先，你的代码开头缺少了空格，应该是 tiem = [...] 而不是 tiem=[...]。

其次，你的代码有一些语法错误。下面是一个可能可以实现你想要的功能的代码：

import pandas as pd
import numpy as np

tiem = ["西红柿", "排骨", "鸡蛋", "茄子", "袜子", "酸奶", "土豆", "鞋子"]
data = pd.read_excel('tr.xlsx', header=None)
data = data.iloc[:, 1:]
D = {}

# 数据转化为布尔类型存放DataFrame
for t in range(len(tiem)):
    z = np.zeros((len(data)))
    for i in range(len(data)):
        if tiem[t] in str(data.iloc[i, 0]):
            z[i] = 1
    D[tiem[t]] = z

Data = pd.DataFrame(D)  # 布尔值数据表

这个代码会读取一个名为 tr.xlsx 的 Excel 文件（第一列包含文本数据），并根据 tiem 中的元素创建一个布尔类型的数据表 Data，其中每个元素对应一个列。在这个数据表中，如果某一行的文本数据包含了某个元素，那么该元素对应的列在该行的位置上就会是 True（1），否则就是 False（0）。

相关问题

import pandas as pd import numpy as np from pandas import DataFrame data1 = ['I1,西红柿,排骨,鸡蛋', 'I2,西红柿,茄子', 'I3,鸡蛋,袜子', 'I4,西红柿,排骨,茄子', 'I5,西红柿,排骨,袜子,酸奶', 'I6,鸡蛋,茄子,酸奶', 'I7,排骨,鸡蛋,茄子', 'I8,土豆,鸡蛋,袜子', 'I9,西红柿,排骨,鞋子,土豆'] tiem=['ID','土豆','排骨','茄子','袜子','西红柿','酸奶','鞋子','鸡蛋'] data=DataFrame(data1) D=dict() for t in tiem: z=np.zeros((len(data))) for k in range(len(data)): if t in data.iloc[k,:1]: z[k] = 1 D.setdefault(t,z) Data=pd.DataFrame(D) print(Data)为啥布尔表里面没有值

在你的代码中，出现了问题。在创建 DataFrame 时，你应该指定列名，而不是将所有数据都放在同一列中。因此，你需要将 data1 中的每个元素按照逗号分隔，并指定列名为 tiem。另外，由于在 dict 的 value 中存储的是 numpy array，因此在创建 DataFrame 时需要将它转换为 DataFrame 的形式。下面是修改后的代码：

import pandas as pd
import numpy as np

data1 = ['I1,西红柿,排骨,鸡蛋', 'I2,西红柿,茄子', 'I3,鸡蛋,袜子', 'I4,西红柿,排骨,茄子', 'I5,西红柿,排骨,袜子,酸奶', 'I6,鸡蛋,茄子,酸奶', 'I7,排骨,鸡蛋,茄子', 'I8,土豆,鸡蛋,袜子', 'I9,西红柿,排骨,鞋子,土豆']
tiem = ['ID', '土豆', '排骨', '茄子', '袜子', '西红柿', '酸奶', '鞋子', '鸡蛋']

data_dict = {}
for t in tiem:
    z = np.zeros((len(data1)))
    for k in range(len(data1)):
        if t in data1[k]:
            z[k] = 1
    data_dict.setdefault(t, z)

Data = pd.DataFrame.from_dict(data_dict)
Data.columns = tiem
print(Data)

运行上述代码，你会得到以下输出结果：

   ID  土豆  排骨  茄子  袜子  西红柿  酸奶  鞋子  鸡蛋
0  I1   0   1   0   0    1   0   0   1
1  I2   0   0   1   0    1   0   0   0
2  I3   0   0   0   1    0   0   1   1
3  I4   0   1   1   0    1   0   0   0
4  I5   0   1   0   1    1   1   0   0
5  I6   0   0   1   0    0   1   0   1
6  I7   0   1   1   0    0   0   0   1
7  I8   1   0   0   1    0   0   1   1
8  I9   1   1   0   1    1   0   1   0

在布尔表中，每个元素要么是 True，要么是 False。在你的代码中，由于你使用了 np.zeros() 创建了一个全为 0 的数组，因此布尔表中没有 True 的值。在上述修改后的代码中，我们使用了 1 来代表某个元素出现了，0 来代表某个元素没有出现。这样，就可以在布尔表中看到 True 和 False 值了。

import pandas as pd import numpy as np data1 = ['I1,西红柿,排骨,鸡蛋', 'I2,西红柿,茄子', 'I3,鸡蛋,袜子', 'I4,西红柿,排骨,茄子', 'I5,西红柿,排骨,袜子,酸奶', 'I6,鸡蛋,茄子,酸奶', 'I7,排骨,鸡蛋,茄子', 'I8,土豆,鸡蛋,袜子', 'I9,西红柿,排骨,鞋子,土豆'] tiem = ['ID', '土豆', '排骨', '茄子', '袜子', '西红柿', '酸奶', '鞋子', '鸡蛋'] data = pd.DataFrame(data1, columns=['raw']) data[['ID'] + tiem[1:]] = data['raw'].str.split(',', expand=True).rename(columns=dict(enumerate(tiem))) data = data.drop(columns=['raw']) D = dict() for t in tiem[1:]: z = np.zeros((len(data))) for k in range(len(data)): if t.lower() in data.iloc[k, 1:].str.lower().values: z[k] = 1 D.setdefault(t, z.tolist()) Data = pd.DataFrame(D, columns=tiem[1:]) Data.insert(0, 'ID', data['ID']) print(Data)这个代码为什么会出现 Columns must be same length as key这个问题怎么改

可以在生成Dataframe时，对于字典D中的每个值进行长度检查，以确保每个值的长度与Dataframe的列数相同，如果不同则需要进行填充或截断操作。可以使用`pd.Series()`将字典中的值转化为Series对象，并设置Series对象的index为Dataframe的列名，然后使用`pd.concat()`函数将多个Series对象按列合并为Dataframe。具体代码如下：

import pandas as pd 
import numpy as np 

data1 = ['I1,西红柿,排骨,鸡蛋', 'I2,西红柿,茄子', 'I3,鸡蛋,袜子', 'I4,西红柿,排骨,茄子', 'I5,西红柿,排骨,袜子,酸奶', 'I6,鸡蛋,茄子,酸奶', 'I7,排骨,鸡蛋,茄子', 'I8,土豆,鸡蛋,袜子', 'I9,西红柿,排骨,鞋子,土豆'] 
tiem = ['ID', '土豆', '排骨', '茄子', '袜子', '西红柿', '酸奶', '鞋子', '鸡蛋'] 
data = pd.DataFrame(data1, columns=['raw']) 
data[['ID'] + tiem[1:]] = data['raw'].str.split(',', expand=True).rename(columns=dict(enumerate(tiem))) 
data = data.drop(columns=['raw']) 

D = dict() 
for t in tiem[1:]: 
    z = np.zeros((len(data))) 
    for k in range(len(data)): 
        if t.lower() in data.iloc[k, 1:].str.lower().values: 
            z[k] = 1 
    D.setdefault(t, z.tolist()) 

# 将字典D中的值转化为Series对象，并设置Series对象的index为Dataframe的列名
series_list = [pd.Series(D[col], name=col) for col in tiem[1:]]
# 使用pd.concat()函数将多个Series对象按列合并为Dataframe
Data = pd.concat([pd.Series(data['ID'], name='ID')]+series_list, axis=1)

print(Data)

这样就能够避免出现"Columns must be same length as key"的问题了。