如何在多个DataFrame列上以惯用方式运行类似get_dummies
的函数,该函数需要单个列并返回多个?
答案 0 :(得分:39)
由于pandas版本0.15.0,pd.get_dummies
可以直接处理DataFrame(在此之前,它只能处理单个系列,并在下面查看解决方法):
In [1]: df = DataFrame({'A': ['a', 'b', 'a'], 'B': ['c', 'c', 'b'],
...: 'C': [1, 2, 3]})
In [2]: df
Out[2]:
A B C
0 a c 1
1 b c 2
2 a b 3
In [3]: pd.get_dummies(df)
Out[3]:
C A_a A_b B_b B_c
0 1 1 0 0 1
1 2 0 1 0 1
2 3 1 0 1 0
pandas的解决方法< 0.15.0
您可以为每个列单独执行此操作,然后连接结果:
In [111]: df
Out[111]:
A B
0 a x
1 a y
2 b z
3 b x
4 c x
5 a y
6 b y
7 c z
In [112]: pd.concat([pd.get_dummies(df[col]) for col in df], axis=1, keys=df.columns)
Out[112]:
A B
a b c x y z
0 1 0 0 1 0 0
1 1 0 0 0 1 0
2 0 1 0 0 0 1
3 0 1 0 1 0 0
4 0 0 1 1 0 0
5 1 0 0 0 1 0
6 0 1 0 0 1 0
7 0 0 1 0 0 1
如果您不想要多索引列,请从concat函数调用中删除keys=..
。
答案 1 :(得分:29)
使用 pandas 0.19 ,您可以在一行中执行此操作:
pd.get_dummies(data=df, columns=['A', 'B'])
Columns
指定在哪里进行One Hot Encoding。
>>> df
A B C
0 a c 1
1 b c 2
2 a b 3
>>> pd.get_dummies(data=df, columns=['A', 'B'])
C A_a A_b B_b B_c
0 1 1.0 0.0 0.0 1.0
1 2 0.0 1.0 0.0 1.0
2 3 1.0 0.0 1.0 0.0
答案 2 :(得分:5)
有些人可能会有更聪明的东西,但这里有两种方法。假设您有一个名为df
的数据框,其中包含“名称”和“年份”列,您需要使用假人。
首先,简单地遍历列并不是太糟糕:
In [93]: for column in ['Name', 'Year']:
...: dummies = pd.get_dummies(df[column])
...: df[dummies.columns] = dummies
另一个想法是使用patsy包,它旨在从R型公式构造数据矩阵。
In [94]: patsy.dmatrix(' ~ C(Name) + C(Year)', df, return_type="dataframe")
答案 3 :(得分:1)
除非我不理解这个问题,否则通过传递columns参数在get_dummies中本地支持它。
答案 4 :(得分:0)
我目前使用的简单技巧是 for 循环。
首先使用 select_dtypes(include="object")
从数据框中分离分类数据,
然后通过使用 for 循环将 get_dummies
迭代地应用于每一列
正如我在下面的代码中所示:
train_cate=train_data.select_dtypes(include="object")
test_cate=test_data.select_dtypes(include="object")
# vectorize catagorical data
for col in train_cate:
cate1=pd.get_dummies(train_cate[col])
train_cate[cate1.columns]=cate1
cate2=pd.get_dummies(test_cate[col])
test_cate[cate2.columns]=cate2