python_pandas中的get_dummies使用

python_pandas中的get_dummies使用

虚拟变量(dummy variables)
虚拟变量，也叫哑变量和离散特征编码，可用来表示分类变量、非数量因素可能产生的影响。

离散特征的编码分为两种情况：

1、离散特征的取值之间没有大小的意义，比如color：[red,blue],那么就使用one-hot编码

2、离散特征的取值有大小的意义，比如size:[X,XL,XXL],那么就使用数值的映射{X:1,XL:2,XXL:3}

使用pandas可以很方便的对离散型特征进行one-hot编码

[python] view plain copy
import pandas as pd
df = pd.DataFrame([
[‘green’, ‘M’, 10.1, ‘class1’],
[‘red’, ‘L’, 13.5, ‘class2’],
[‘blue’, ‘XL’, 15.3, ‘class1’]])

df.columns = [‘color’, ‘size’, ‘prize’, ‘class label’]

size_mapping = {
‘XL’: 3,
‘L’: 2,
‘M’: 1}
df[‘size’] = df[‘size’].map(size_mapping)

class_mapping = {label:idx for idx,label in enumerate(set(df[‘class label’]))}
df[‘class label’] = df[‘class label’].map(class_mapping)
说明：对于有大小意义的离散特征，直接使用映射就可以了，{‘XL’:3,‘L’:2,‘M’:1}

Using the get_dummies will create a new column for every unique string in a certain column:使用get_dummies进行one-hot编码

[python] view plain copy
pd.get_dummies(df)