pd.get_dummies()

pd.get_dummies() 是 Pandas 库中用于独热编码（One-Hot Encoding）的函数。它的作用是将分类（离散）变量的每个不同取值都拓展为一个新的二进制特征（0或1），从而方便机器学习模型处理。

函数签名为：

pd.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)

其中一些常用参数包括：

• data: 要进行独热编码的 DataFrame 或 Series。

• prefix: 生成的独热编码列的前缀。

• prefix_sep: 生成的独热编码列的前缀和原始列名之间的分隔符。

• dummy_na: 是否为原始数据中的缺失值生成独热编码列。

• columns: 要进行独热编码的列的名称，如果指定，则只对这些列进行操作。

• drop_first: 是否删除第一个独热编码列，以避免共线性问题。

下面是一个简单的示例：

import pandas as pd

# 创建一个包含分类特征的DataFrame
data = {'color': ['red', 'green', 'blue', 'green', 'red']}
df = pd.DataFrame(data)

# 对分类特征进行独热编码
df_encoded = pd.get_dummies(df, prefix='color')

print(df_encoded)

输出：

   color_blue  color_green  color_red
0           0            0          1
1           0            1          0
2           1            0          0
3           0            1          0
4           0            0          1

这里，color 列被独热编码为三个新的二进制列。在原始数据的每一行中，只有原始颜色对应的列为1，其余列为0。