熊猫：get_dummies与分类

Question

我有一个数据集，其中包含一些带有分类数据的列。

我一直在使用Categorical函数将数字值替换为分类值。

data[column] = pd.Categorical.from_array(data[column]).codes

我最近碰到了pandas.get_dummies函数。这些可以互换吗？使用一个优于另一个有优势吗？

Answer 1

为什么要将分类数据转换为整数？如果那是你的目标，我不相信你能节省记忆。

df = pd.DataFrame({'cat': pd.Categorical(['a', 'a', 'a', 'b', 'b', 'c'])})
df2 = pd.DataFrame({'cat': [1, 1, 1, 2, 2, 3]})

>>> df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 6 entries, 0 to 5
Data columns (total 1 columns):
cat    6 non-null category
dtypes: category(1)
memory usage: 78.0 bytes

>>> df2.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 6 entries, 0 to 5
Data columns (total 1 columns):
cat    6 non-null int64
dtypes: int64(1)
memory usage: 96.0 bytes

分类代码只是给定类别中唯一项目的整数值。相比之下，get_dummies会为每个唯一项返回一个新列。列中的值表示记录是否具有该属性。

>>> pd.core.reshape.get_dummies(df)
Out[30]: 
   cat_a  cat_b  cat_c
0      1      0      0
1      1      0      0
2      1      0      0
3      0      1      0
4      0      1      0
5      0      0      1

要直接获取代码，您可以使用：

df['codes'] = [df.cat.codes.to_list()]