pandas get_dummies用法及代码示例

最新推荐文章于 2024-08-04 20:22:13 发布

那一年_我九岁

最新推荐文章于 2024-08-04 20:22:13 发布

阅读量5.6k

点赞数 11

分类专栏： pandas 文章标签：机器学习 python pandas

本文链接：https://blog.csdn.net/weixin_44852067/article/details/122242856

版权

pandas 专栏收录该内容

7 篇文章 19 订阅

订阅专栏

本文详细介绍了Pandas库中的get_dummies函数，用于实现one-hot编码。get_dummies可以将离散型特征的每一种取值转化为独立的二进制列，从而将分类数据转换为数值数据，便于机器学习模型处理。文章通过三个代码示例展示了如何使用get_dummies对DataFrame的所有列、指定列以及设置列前缀进行哑编码，并讨论了其优缺点，包括可能引发的维度灾难问题。

摘要由CSDN通过智能技术生成

get_dummies 是 pandas 实现one hot encode的方式

one-hot的基本思想：将离散型特征的每一种特征取值都看成一种状态，若指定离散特征中有N个

不相同的取值，那么我们就可以将该特征抽象成N种不同的状态，one-hot编码保证了每一个取值只会

使得一种状态处于“激活态”，也就是说这N种状态中只有一个状态位值为1，其他状态位都是0。

1.语法结构

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

参数说明：

data : array-like, Series, or DataFrame
输入数据
prefix : string, list of strings, or dict of strings, default None
给输出的列添加前缀，如prefix=“A”,输出的列会显示类似

prefix_sep：str, default ‘_’

设置前缀跟分类的分隔符sepration，默认是下划线"_"

dummy_na : bool, default False

增加一列表示空缺值，如果False就忽略空缺值

columns : list-like, default None

指定需要实现类别转换的列名

sparse：bool, default False

哑编码列是否应该支持SparseArray (True)或常规NumPy数组(False)。

drop_first : bool, default False

获得k中的k-1个类别值，去除第一个

dtype：dtype, default np.uint8

新列的数据类型，只允许一种类型的dtype

Return

DataFrame 返回哑编码后的DataFrame

2.代码示例

2.1 代码示例1

需求：对DataFrame中的所有列进行哑编码

import pandas as pd

students_df = pd.DataFrame({
    'Id': [302, 504, 708, 103, 303],
    'Name': ["Mike", "Christine", "Rob", "Daniel", "Jennifer"],
    'Sex': ['Male', 'Female', 'Male', 'Male', 'Female'],
})

students_df_dummies = pd.get_dummies(students_df)
print(students_df)
print(students_df_dummies)

在这里插入图片描述

2.2 代码示例2

需求：设置 columns 只为指定的列进行哑编码

import pandas as pd

students_df = pd.DataFrame({
    'Id': [302, 504, 708, 103, 303],
    'Name': ["Mike", "Christine", "Rob", "Daniel", "Jennifer"],
    'Sex': ['Male', 'Female', 'Male', 'Male', 'Female'],
})
students_df_dummies = pd.get_dummies(students_df, columns=["Sex"])

print(students_df)
print(students_df_dummies)

在这里插入图片描述

2.3 代码示例3

需求：设置prefix来修改哑编码后的列

import pandas as pd

students_df = pd.DataFrame({
    'Id': [302, 504, 708, 103, 303],
    'Name': ["Mike", "Christine", "Rob", "Daniel", "Jennifer"],
    'Sex': ['Male', 'Female', 'Male', 'Male', 'Female'],
})

students_df_dummies = pd.get_dummies(students_df, columns=["Sex"], prefix="Column")

print(students_df)
print(students_df_dummies)

在这里插入图片描述

3.总结

OneHotEncoder方式之pd.get_dummies得优缺点：

优点：解决了分类器不好处理分类数据的问题，在一定程度上也起到了扩充特征的作用。它的值只有

0和1，不同的类型存储在垂直的空间。

缺点：当类别的数量很多时，特征空间会变得非常大，容易造成维度灾难，尤其是对ID类型特征的处理。

参考链接：
1.https://blog.csdn.net/weixin_38664232/article/details/89048263
2.https://zhuanlan.zhihu.com/p/139144355
3.https://www.delftstack.com/zh/howto/python-pandas/get-dummies-pandas/