在几个DataFrame列上运行get_dummies?

时间:2014-06-08 19:04:56

标签: python pandas dataframe one-hot-encoding

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?

5 个答案:

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