Python超实用小技巧：分类变量转化为哑变量（附哑变量详解）

代码示例

 features = ["Pclass", "Sex", "SibSp", "Parch"]
 # 筛选出分类变量用来建模
 X = pd.get_dummies(train[features])
 # 把分类变量转化为哑变量

哑变量详解

• 定义：哑变量（DummyVariable），也叫虚拟变量

• 目的：主要用于处理多分类变量，把不能量化的多分类变量量化，每个哑变量对模型的影响都细化，提高模型精准率

• 具体操作

  • 假如“职业因素”列，共有5个分类变量：学生、农民、工人、公务员、其他。转化为4列0、1变量，从而提高模型精度。

    • 

      哪些情况下要设置哑变量？

      1. 无序多分类变量

         • 例如，“血型”分为A、B、O、AB四个类型，如果直接赋值为1、2、3、4，它在数学上是有从小到大的顺序关系的，而且还是等距的。这样和现实情况不符，需要转化为哑变量。

      2. 有序多分类变量

         • 例如，疾病的严重程度，分为轻、中、重度，如果赋值为1、2、3（等距）或者1、2、4（等比），这样虽然可以体现等级关系，但与现实不符。此时可以转化为哑变量。

      3. 连续性变量

         • 年龄很细，年龄增加一岁，对模型的影响很小，没有太大的实际意义。我们可以把连续变量离散化，以10岁作为一个年龄段划分，0~10、11~20、21~30等等，用1、2、3、4表示。此时可以转化为哑变量，使得分类变量对模型的影响足够充分