我刚刚了解了伪变量及其陷阱。因此，假设我有一个包含3个类别的类别列，例如：
Dog
Cat
Bear
我将其分为3个单独的列，分别为IsDog，IsCat和IsBear，其中包含0/1，因此可以在模型中使用它。但他们说，虚拟列的数量应始终为（number_of_categories-1）。 那么我应该删除最后一个（在本例中为IsBear），还是实际上没关系，只需删除随机的一个？
答案 0 :(得分：1)
对于每个类别列，您都可以让熊猫自动为您完成此操作，
请注意，它将自动为新的列名加上前缀（例如，具有3个类别的类别变量“ Dog”将给出两个新列：Dog_1，Dog_2），并将删除原始列（“ Dog”）。使用drop first选项，它将为您提供k-1个类别的列的k-1个虚拟列（即，如上以及根据您的问题，具有3个类别的Dog列变为2 –而不是3 –个虚拟列）。
df = pd.get_dummies(df, columns=['cat_var_1', 'cat_var_2'], drop_first=True)