pandas.get_dummies （独热编码）详解

1、pandas.get_dummies使用场景

        在对变量进行独热编码时使用，例如：某一列类别型变量是季节，取值为春、夏、秋、冬，当我们对其进行建模时，需要将其进行独热编码，这时：pandas.get_dummies便派上了用场。

2、参数详解

• data : array-like, Series, or DataFrame 输入的数据
• prefix : string, get_dummies转换后，列名的前缀，默认为None
• columns : 指定需要实现类别转换的列名 否则转换所有类别性的列
• dummy_na : bool, default False 增加一列表示空缺值，如果False就忽略空缺值
• drop_first : bool, default False 获得k中的k-1个类别值，去除第一个,防止出现多重共线性

3、注意小陷阱呀

        若针对训练数据已经做好了独热编码并建立了模型，而新增的预测数据或分类数据的类别变量未包含完整的类别。此时直接使用pd.get_dummies，会发现与训练集得到的结果不一样。例如：训练数据中季节列中春、夏、秋、冬都出现过，而在新的测试数据中只出现了春与夏，两者的结果会不一样。如下：

        为了避免出现这个情况，需要新增以下代码：

data['季节'] = data['季节'].astype(
    'category',
    categories=["春", "夏", "秋", "冬"]
)