Pandas 中的 get_dummies 方法
Suraj Joshi
2023年1月30日
-
pandas.get_dummies()方法 -
使用
pandas.get_dummies()方法创建带有虚拟变量列的 DataFrame -
设置
columns只为指定的列创建虚拟变量 -
设置
prefix来改变虚拟列的默认名称
本教程解释了如何从带有分类列的 DataFrame 中生成带有虚拟变量或指标变量的 DataFrame。
pandas.get_dummies() 方法
pandas.get_dummies(
data,
prefix=None,
prefix_sep="_",
dummy_na=False,
columns=None,
sparse=False,
drop_first=False,
dtype=None,
)
使用 pandas.get_dummies() 方法创建带有虚拟变量列的 DataFrame
import pandas as pd
students_df = pd.DataFrame(
{
"Id": [302, 504, 708, 103, 303],
"Name": ["Mike", "Christine", "Rob", "Daniel", "Jennifer"],
"Sex": ["Male", "Female", "Male", "Male", "Female"],
}
)
students_df_dummies = pd.get_dummies(students_df)
print("The original DataFrame is:")
print(students_df, "\n")
print("DataFrame with Dummies:")
print(students_df_dummies)
输出：
The original DataFrame is:
Id Name Sex
0 302 Mike Male
1 504 Christine Female
2 708 Rob Male
3 103 Daniel Male
4 303 Jennifer Female
DataFrame with Dummies:
Id Name_Christine Name_Daniel Name_Jennifer Name_Mike Name_Rob Sex_Female Sex_Male
0 302 0 0 0 1 0 0 1
1 504 1 0 0 0 0 1 0
2 708 0 0 0 0 1 0 1
3 103 0 1 0 0 0 0 1
4 303 0 0 1 0 0 1 0
它生成一个 DataFrame，其中包含由原始列名和该列的每个唯一值连接而成的虚拟列名。
对于 Name 列，我们有五个唯一的值，因此 Name 分裂成 Name_ 加上 DataFrame 中的每个唯一的名字。虚列的值将根据初始 DataFrame 中的值为 1 或 0。
students_df DataFrame 中 Name 列 Daniel 值的行，students_df_dummies DataFrame 中 Name_Daniel 列的值为 1，而 students_df_dummies DataFrame 中 Name_Daniel 列的值为 0。
设置 columns 只为指定的列创建虚拟变量
默认情况下，get_dummies() 方法将为每一列的 dtypes object 或 category 创建带有虚拟列的 DataFrame。我们可以将列的列表作为 columns 参数来指定特定的列。
import pandas as pd
students_df = pd.DataFrame(
{
"Id": [302, 504, 708, 103, 303],
"Name": ["Mike", "Christine", "Rob", "Daniel", "Jennifer"],
"Sex": ["Male", "Female", "Male", "Male", "Female"],
}
)
students_df_dummies = pd.get_dummies(students_df, columns=["Sex"])
print("The original DataFrame is:")
print(students_df, "\n")
print("DataFrame with Dummies:")
print(students_df_dummies)
输出：
The original DataFrame is:
Id Name Sex
0 302 Mike Male
1 504 Christine Female
2 708 Rob Male
3 103 Daniel Male
4 303 Jennifer Female
DataFrame with Dummies:
Id Name Sex_Female Sex_Male
0 302 Mike 0 1
1 504 Christine 1 0
2 708 Rob 0 1
3 103 Daniel 0 1
4 303 Jennifer 1 0
它只为 Sex 列创建虚拟变量。
设置 prefix 来改变虚拟列的默认名称
import pandas as pd
students_df = pd.DataFrame(
{
"Id": [302, 504, 708, 103, 303],
"Name": ["Mike", "Christine", "Rob", "Daniel", "Jennifer"],
"Sex": ["Male", "Female", "Male", "Male", "Female"],
}
)
students_df_dummies = pd.get_dummies(students_df, columns=["Sex"], prefix="Column")
print("The original DataFrame is:")
print(students_df, "\n")
print("DataFrame with Dummies:")
print(students_df_dummies)
输出：
The original DataFrame is:
Id Name Sex
0 302 Mike Male
1 504 Christine Female
2 708 Rob Male
3 103 Daniel Male
4 303 Jennifer Female
DataFrame with Dummies:
Id Name Column_Female Column_Male
0 302 Mike 0 1
1 504 Christine 1 0
2 708 Rob 0 1
3 103 Daniel 0 1
4 303 Jennifer 1 0
它将 Sex 列生成的虚拟列的前缀设置为 Column。现在虚拟列的名称变成了 Column_Female 和 Column_Male。
作者： Suraj Joshi
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn