pivot_table似乎适用于以下情况：

df.pivot_table(index="Car", columns="Color", aggfunc=len)

其给出：

Color       blue    red     silver
Car         
Audi        NaN     1.0     NaN
Chrysler    2.0     NaN     1.0
Toyota      NaN     1.0     1.0

您可以将垂直组件指定为索引列（Car），将水平组件指定为列组件（Color），然后提供一个函数来填充单元格（len）。
然后，为了使它更细微一些，您可以使用fillna（）将空单元格“涂”上零，并应用逻辑测试来显示哪些是“可能的”。
例如：

df.pivot_table(index="Car", columns="Color", aggfunc=len).fillna(0)>0

其给出：

Color       blue    red     silver
Car         
Audi        False   True    False
Chrysler    True    False   True
Toyota      False   True    True

作为最后一点润色，在从here中学习了它之后，您可以运行applymap来获得0，1输出：

(df.pivot_table(index="Car", columns="Color", aggfunc=len).fillna(0)>0).applymap(lambda x : 1 if x==True else 0)

赠送：

Color       blue    red     silver
Car         
Audi        0       1       0
Chrysler    1       0       1
Toyota      0       1       1

最后，这个过程有时在文献中被称为One Hot Encoding，并且有一些很酷的实现，如this one from sklearn，如果您的研究将您引向这个方向的话。

下面的代码将对托马斯的答案进行扩展，它将在输出中给予您所希望的内容

import pandas as pd

df = pd.DataFrame({'Car': ['Audi', 'Toyota', 'Chrysler', 'Toyota', 'Chrysler', 'Chrysler'], 
                   'Color': ['red', 'red', 'blue', 'silver', 'blue', 'silver']})

output = (df.pivot_table(index="Car", columns="Color", aggfunc=len).fillna(0).T > 0).astype(int)
print(output)

Car     Audi  Chrysler  Toyota
Color                         
blue       0         1       0
red        1         0       1
silver     0         1       1