上查看所有课程
虚拟变量是用于编码分类数据的数值表示。
虚拟变量显示二元值，仅0或1。
对于某些数据，每个项目只能属于一个类别。例如，汽车可以是红色或蓝色，但不能同时是两者。
但是，某些数据可以属于多个类别。例如一部电影既是动作片又是喜剧片。
在这两种情况下，Pandas 中 get_dummies() 的目的是将这些类别转换为0和1。这使得计算机程序更容易理解和处理数据。
在虚拟变量的上下文中
- 值1表示特定类别的存在。
- 值0表示特定类别的缺席。
在 Pandas 中，我们使用 get_dummies() 函数将分类变量转换为二元值。
在 Pandas Series 上使用 get_dummies()
在 Pandas 中，要在 Series 上使用 get_dummies()，我们将 Series 传递到函数中。例如，
import pandas as pd
# create a Panda Series
data = pd.Series(['A', 'B', 'A', 'C', 'B'])
# using get_dummies on the Series
dummies = pd.get_dummies(data)
print(dummies)输出
A B C
0 1 0 0
1 0 1 0
2 1 0 0
3 0 0 1
4 0 1 0在上面的示例中，列 A、B 和 C 包含二元值（1 或 0），指示 data Series 中每行的每个类别的存在或缺席。
在 DataFrame 列上使用 get_dummies()
我们还可以使用 Pandas 中的 aggregate() 函数对一个或多个列应用多个聚合函数。例如，
import pandas as pd
# sample data
data = {'Color': ['Red', 'Green', 'Blue', 'Green', 'Red']}
# creating a DataFrame
df = pd.DataFrame(data)
# using get_dummies to convert the categorical column
dummies = pd.get_dummies(df['Color'])
# concatenating the dummies DataFrame with the original DataFrame
df = pd.concat([df, dummies], axis=1)
print(df)输出
Color Blue Green Red
0 Red 0 0 1
1 Green 0 1 0
2 Blue 1 0 0
3 Green 0 1 0
4 Red 0 0 1在此示例中，我们将 get_dummies() 函数应用于 df DataFrame 的 Color 列。
此函数将 Color 列中的分类值转换为一组二元指示列。
在这种情况下，由于有三种独特的颜色 Red、Green、Blue，因此这三列新增了。
这些列中的值1表示该行存在相应的颜色，0表示不存在。
注意：axis=1 指的是沿列或水平轴的操作。这意味着操作将逐列应用于 DataFrame。
在 get_dummies() 中使用 drop_first
在 Pandas 中，我们可以使用 get_dummies() 函数为 DataFrame 中的分类列创建虚拟变量，然后使用 drop_first 参数删除第一个类别。
让我们看一个例子。
import pandas as pd
# sample data
data = {'Color': ['Red', 'Green', 'Blue', 'Green', 'Red']}
# creating a DataFrame
df = pd.DataFrame(data)
# getting dummies without dropping any columns
dummies_all = pd.get_dummies(df['Color'])
# concatenating the dummies DataFrame with the original DataFrame
df_all = pd.concat([df, dummies_all], axis=1)
print("DataFrame with all dummy columns:")
print(df_all)
print("\n")
# getting dummies and dropping the first category column ('Blue' in this case)
dummies = pd.get_dummies(df['Color'], drop_first=True)
# concatenating the dummies DataFrame with the original DataFrame
df = pd.concat([df, dummies], axis=1)
print("DataFrame after dropping 'Blue':")
print(df)输出
DataFrame with all dummy columns:
Color Blue Green Red
0 Red 0 0 1
1 Green 0 1 0
2 Blue 1 0 0
3 Green 0 1 0
4 Red 0 0 1
DataFrame after dropping 'Blue':
Color Green Red
0 Red 0 1
1 Green 1 0
2 Blue 0 0
3 Green 1 0
4 Red 0 1在这里，将 drop_first=True 参数传递给 get_dummies() 以指示应删除第一个类别。
因此，生成的 DataFrame 包含两列 Green 和 Red。名为 Blue 的类别未在此列中表示，因为它已被删除。
在 get_dummies() 中使用 prefix
我们可以使用 get_dummies() 函数内的 prefix 参数为从 DataFrame 列创建的虚拟变量指定前缀。
让我们看一个例子。
import pandas as pd
# sample data
data = {'Color': ['Red', 'Green', 'Blue', 'Green', 'Red']}
# creating a DataFrame
df = pd.DataFrame(data)
# getting dummies with a specified prefix
dummies = pd.get_dummies(df['Color'], prefix='Color')
# concatenating the dummies DataFrame with the original DataFrame
df = pd.concat([df, dummies], axis=1)
print(df)输出
Color Color_Blue Color_Green Color_Red
0 Red 0 0 1
1 Green 0 1 0
2 Blue 1 0 0
3 Green 0 1 0
4 Red 0 0 1在这里，我们将 prefix='Color' 参数传递给了 get_dummies()，因此新的虚拟变量列的前缀是 Color_。
因此，生成的 DataFrame 包含 Color_Blue、Color_Green 和 Color_Red 列，表示相应颜色类别的存在或缺席。
注意：如需了解更多信息，请访问 Pandas get_dummies()。