如何在不具有多重共线性的熊猫中创建虚拟变量？

Question

使用Anaconda，Python 2.7.11，pandas 0.17.1，Mac OS X 10.11（El Capitan），如何从每个列中删除虚拟变量，以避免多重共线性（或虚拟变量）变量陷阱）何时适合统计模型？

如果进入：

import pandas as pd
s = pd.Series(list('abca'))
pd.get_dummies(s)

返回的是：

   a  b  c
0  1  0  0
1  0  1  0
2  0  0  1
3  1  0  0

我想删除a，b或c列以避免多重共线性。

Answer 1

此功能将添加到pandas版本0.18.0（目前为0.17.1）中。但是如果你想更快地使用这个功能，那么你将不得不从源代码构建pandas库。以下说明将向您展示如何执行此操作。首先，在终端中，键入以下命令卸载pandas：

conda uninstall pandas

然后，导航到site-packages，Python存储其库：

cd /Users/[username]/anaconda/lib/python2.7/site-packages

其中[username]是您的用户名。此路径的根目录可能是您当前激活的Python环境所在的位置，以便在Anaconda之外进行概括。要显示激活的python版本所在的位置，请键入：

which python

将这些命令输入终端以克隆到有人为pandas.get_dummies命令添加额外功能的仓库中：

git clone https://github.com/BranYang/pandas
cd pandas
python setup.py build_ext --inplace --force
python setup.py install

然后，打开Python（或IPython）：

ipython

并输入：

import pandas as pd
s = pd.Series(list('abca'))
pd.get_dummies(s, drop_first = True)

这将显示：

   b  c
0  0  0
1  1  0
2  0  1
3  0  0

因此，pd.get_dummies已经删除了你的第一列，你已经避免了虚拟变量陷阱！