如何使用 pandas get dummies – pd.get_dummies

在统计学中，我们使用的数据集通常包含分类变量。

这些是带有名称或标签的变量。示例包括：

• 婚姻状况（“已婚”、“单身”、“离婚”）
• 吸烟状况（“吸烟者”、“非吸烟者”）
• 眼睛颜色（“蓝色”、“绿色”、“淡褐色”）
• 教育程度（例如“高中”、“学士学位”、“硕士学位”）

在调整机器学习算法（如线性回归、逻辑回归、随机森林等）时，我们经常将分类变量转换为虚拟变量，虚拟变量是用于表示数据分类的数值变量。

例如，假设我们有一个包含分类变量Gender的数据集。要使用该变量作为回归模型中的预测变量，首先需要将其转换为虚拟变量。

要创建这个虚拟变量，我们可以选择一个值（“男性”）来代表 0，另一个值（“女性”）代表 1：

如何在 Pandas 中创建虚拟变量

要为 pandas DataFrame 中的变量创建虚拟变量，我们可以使用pandas.get_dummies()函数，该函数使用以下基本语法：

pandas.get_dummies(数据，前缀=无，列=无，drop_first=False)

金子：

• data ：pandas DataFrame 的名称
• prefix ：添加到新虚拟变量列开头的字符串
• columns ：要转换为虚拟变量的列的名称
• drop_first ：是否删除第一个虚拟变量列

以下示例展示了如何在实践中使用此功能。

示例 1：创建单个虚拟变量

假设我们有以下 pandas DataFrame：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' income ': [45, 48, 54, 57, 65, 69, 78],
                   ' age ': [23, 25, 24, 29, 38, 36, 40],
                   ' gender ': ['M', 'F', 'M', 'F', 'F', 'F', 'M']})

#view DataFrame
df

        income age gender
0 45 23 M
1 48 25 F
2 54 24 M
3 57 29 F
4 65 38 F
5 69 36 F
6 78 40 M

我们可以使用pd.get_dummies()函数将性别转换为虚拟变量：

 #convert gender to dummy variable
p.d. get_dummies (df, columns=[' gender '], drop_first= True )

	income age gender_M
0 45 23 1
1 48 25 0
2 54 24 1
3 57 29 0
4 65 38 0
5 69 36 0
6 78 40 1

性别列现在是一个虚拟变量，其中：

• 值0代表“女性”
• 值为1代表“男性”

示例 2：创建多个虚拟变量

假设我们有以下 pandas DataFrame：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' income ': [45, 48, 54, 57, 65, 69, 78],
                   ' age ': [23, 25, 24, 29, 38, 36, 40],
                   ' gender ': ['M', 'F', 'M', 'F', 'F', 'F', 'M'],
                   ' college ': ['Y', 'N', 'N', 'N', 'Y', 'Y', 'Y']})

#view DataFrame
df

	income age gender college
0 45 23 M Y
1 48 25 F N
2 54 24 M N
3 57 29 F N
4 65 38 F Y
5 69 36 F Y
6 78 40 M Y

我们可以使用pd.get_dummies()函数将性别和大学转换为虚拟变量：

 #convert gender to dummy variable
p.d. get_dummies (df, columns=[' gender ', ' college '], drop_first= True )


        income age gender_M college_Y
0 45 23 1 1
1 48 25 0 0
2 54 24 1 0
3 57 29 0 0
4 65 38 0 1
5 69 36 0 1
6 78 40 1 1

性别列现在是一个虚拟变量，其中：

• 值0代表“女性”
• 值为1代表“男性”

大学列现在是一个虚拟变量，其中：

• 值0代表“否”大学
• 值1表示“是”上大学

其他资源

如何在回归分析中使用虚拟变量
什么是虚拟变量陷阱？