Question

我有这个专栏

df["Pclass"].tail()

Pclass

2
1
3
1
3

我创建了柱子的假人

dummies = pd.get_dummies(df["Pclass"],prefix="Pclass")
df = pd.concat([df,dummies],axis=1)

结果

df["Pclass_1"].tail()


    Pclass_1    Pclass_2    Pclass_3
886   0             1         0
887   1             0         0
888   0             0         1
889   1             0         0
890   0             0         1

我不会放弃，因为它会按照规则将列中的数字转换为1和0

Answer 1

`pd.get_dummies`

基本上，它将类别的每个唯一值都转到其自己的列，并具有一个布尔标志（1或0）来标记该行上存在哪个分类值。

让我们看一个不那么抽象的示例：

df = pd.DataFrame({'sex':['male', 'female', 'unknown', 'female']})

       sex
0     male
1   female
2  unknown
3   female

df.join(pd.get_dummies(df['sex'], prefix='sex'))

       sex  sex_female  sex_male  sex_unknown
0     male           0         1            0
1   female           1         0            0
2  unknown           0         0            1
3   female           1         0            0

如您所见，原始列的第一行是male，在虚拟变量列sex_male中，我们看到有一个标记1。

       sex  sex_female  sex_male  sex_unknown
0     male           0         1            0

然后在第二行的原始列中，值为female，我们在虚拟变量列sex_female中看到标志1：

       sex  sex_female  sex_male  sex_unknown
1   female           1         0            0

以此类推。

要记住的重要一点是，当您应用pd.get_dummies时：

amount of new dummie columns = amount of unique values in original caterogical column

用机器学习的术语来说，我们称之为单次编码

使用scikit-learn时，外观如下：

from sklearn.preprocessing import OneHotEncoder

encoder = OneHotEncoder()
encoder.fit_transform(df['sex'].to_numpy().reshape(-1,1)).toarray()

array([[0., 1., 0.],
       [1., 0., 0.],
       [0., 0., 1.],
       [1., 0., 0.]])

Answer 2

依赖于数字输入的预测模型不能直接处理开放的文本字段或分类属性。相反，这些信息丰富的数据需要在处理之前将信息呈现给模型。基于树的模型和朴素贝叶斯模型是例外。大多数型号要求预测变量采用数字形式。

为无序类别创建虚拟变量是一种将分类属性转换为数字的方法。 @Erfan回答了虚拟变量的作用。但是以编码有序属性为例：具有C类的无序预测变量可以由C-1表示二进制伪变量或二进制伪变量的哈希版本。这些方法有效地将分类信息呈现给模型。

但是现在假设C类具有相对顺序。对于例如，考虑具有“低”，“中”类别的预测变量，和“高”。 像对无序数据一样创建虚拟属性会丢失相对顺序中包含的信息。

对于有序数据编码：

多项式对比度：对比度是变量的线性组合（参数或统计信息），其系数的总和为零，从而允许比较不同的治疗方法。
将预测变量视为无序因素。如果真正的基础模式是线性的还是二次的，无序虚拟变量可能无效发现这一趋势。
将排序的类别转换为一组数字分数基于特定于上下文的信息。

Answer 3

它为出现在原始列中的每个值创建一个虚拟列，然后如果该行具有与该虚拟列对应的值，则为每一行放置一个1，否则为0。

第886行的Pclass列为2，因此在Pclass_2列中转换为1，在所有其他虚拟列中转换为0。

行887的Pclass列为1，因此在Pclass_1列中转换为1，在所有其他虚拟列中转换为0。

熊猫get_dummies如何转换值

3 个答案:

`pd.get_dummies`