在多个 DataFrame 列上运行 get_dummies？

问题描述：

如何get_dummies在多个 DataFrame 列上惯用地运行像这样的函数，它需要一个列并返回几个列？

解决方案 1：

使用pandas 0.19，您只需一行即可完成此操作：

pd.get_dummies(data=df, columns=['A', 'B'])

Columns指定在哪里进行独热编码。

>>> df
   A  B  C
0  a  c  1
1  b  c  2
2  a  b  3

>>> pd.get_dummies(data=df, columns=['A', 'B'])
   C  A_a  A_b  B_b  B_c
0  1  1.0  0.0  0.0  1.0
1  2  0.0  1.0  0.0  1.0
2  3  1.0  0.0  1.0  0.0

解决方案 2：

从 pandas 0.15.0 版本开始，pd.get_dummies可以直接处理 DataFrame（在此之前，它只能处理单个 Series，请参阅下面的解决方法）：

In [1]: df = DataFrame({'A': ['a', 'b', 'a'], 'B': ['c', 'c', 'b'],
   ...:                 'C': [1, 2, 3]})

In [2]: df
Out[2]:
   A  B  C
0  a  c  1
1  b  c  2
2  a  b  3

In [3]: pd.get_dummies(df)
Out[3]:
   C  A_a  A_b  B_b  B_c
0  1    1    0    0    1
1  2    0    1    0    1
2  3    1    0    1    0

适用于 pandas < 0.15.0 的解决方法

您可以对每一列分别执行此操作，然后连接结果：

In [111]: df
Out[111]: 
   A  B
0  a  x
1  a  y
2  b  z
3  b  x
4  c  x
5  a  y
6  b  y
7  c  z

In [112]: pd.concat([pd.get_dummies(df[col]) for col in df], axis=1, keys=df.columns)
Out[112]: 
   A        B      
   a  b  c  x  y  z
0  1  0  0  1  0  0
1  1  0  0  0  1  0
2  0  1  0  0  0  1
3  0  1  0  1  0  0
4  0  0  1  1  0  0
5  1  0  0  0  1  0
6  0  1  0  0  1  0
7  0  0  1  0  0  1

如果您不想要多索引列，则从keys=..concat 函数调用中删除。

解决方案 3：

有些人可能有更聪明的方法，但这里有两种方法。假设您有一个名为df“名称”和“年份”的数据框，您需要为其设置虚拟值。

首先，简单地迭代列并不是一件坏事：

In [93]: for column in ['Name', 'Year']:
    ...:     dummies = pd.get_dummies(df[column])
    ...:     df[dummies.columns] = dummies

另一个想法是使用patsy包，它旨在从 R 型公式构建数据矩阵。

In [94]: patsy.dmatrix(' ~ C(Name) + C(Year)', df, return_type="dataframe")

解决方案 4：

除非我不明白这个问题，否则它通过传递列参数在get_dummies中得到本机支持。

解决方案 5：

我目前使用的简单技巧是 for 循环。首先使用 从数据框中分离分类数据select_dtypes(include="object")，然后使用 for 循环get_dummies迭代应用于每一列，如下面的代码所示：

train_cate=train_data.select_dtypes(include="object")
test_cate=test_data.select_dtypes(include="object")
# vectorize catagorical data
for col in train_cate:
    cate1=pd.get_dummies(train_cate[col])
    train_cate[cate1.columns]=cate1
    cate2=pd.get_dummies(test_cate[col])
    test_cate[cate2.columns]=cate2