在几个DataFrame列上运行get_dummies？

Question

如何get_dummies在多个DataFrame列上以惯用方式运行一个函数,它需要单个列并返回多个列？

Answer 1

使用pandas 0.19,您可以在一行中完成:

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

Columns 指定在哪里进行One Hot Encoding.

>>> 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

Answer 2

由于pandas版本pd.get_dummies0.15.0 ,可以直接处理DataFrame(在此之前,它只能处理单个系列,并参见下面的解决方法):

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

大熊猫的解决方法<0.15.0

您可以为每个列单独执行此操作,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,keys=..则从concat函数调用中删除.

Answer 3

有人可能会更聪明，但这是两种方法。假设您有一个数据框df，该数据框的名称为“ Name”（名称）和“ Year”（年份），则您要为其设置虚拟变量。

首先，简单地遍历各列还不错：

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，该包旨在从R型公式构造数据矩阵。

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