pandas.get_dummies#
- pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)[源代码]#
将类别变量转换为虚拟/指示变量。
- 参数
- data类数组、系列或DataFrame
其中要获取虚拟指标的数据。
- prefix字符串、字符串列表或字符串词典,默认为无
追加DataFrame列名的字符串。在DataFrame上调用Get_Dummies时,传递长度等于列数的列表。或者, prefix 可以是将列名映射到前缀的字典。
- prefix_sep字符串,默认为‘_’
如果附加前缀,则使用分隔符/分隔符。或传递列表或词典,如 prefix 。
- dummy_na布尔值,默认为False
如果忽略FALSE NAN,则添加一列以指示NAN。
- columns类似列表,默认为无
要编码的DataFrame中的列名。如果 columns 为None,则所有具有 object , string ,或 category 将转换数据类型。
- sparse布尔值,默认为False
伪编码列是否应由
SparseArray
(True)或常规NumPy数组(False)。- drop_first布尔值,默认为False
是否通过删除第一个类别级别从k个类别级别中获取k-1个虚拟人。
- dtypeDtype,默认np.uint8
新列的数据类型。只允许使用单一数据类型。
- 退货
- DataFrame
伪编码数据。
参见
Series.str.get_dummies
将系列转换为伪代码。
注意事项
参考文献 the user guide 查看更多示例。
示例
>>> s = pd.Series(list('abca'))
>>> pd.get_dummies(s) a b c 0 1 0 0 1 0 1 0 2 0 0 1 3 1 0 0
>>> s1 = ['a', 'b', np.nan]
>>> pd.get_dummies(s1) a b 0 1 0 1 0 1 2 0 0
>>> pd.get_dummies(s1, dummy_na=True) a b NaN 0 1 0 0 1 0 1 0 2 0 0 1
>>> df = pd.DataFrame({'A': ['a', 'b', 'a'], 'B': ['b', 'a', 'c'], ... 'C': [1, 2, 3]})
>>> pd.get_dummies(df, prefix=['col1', 'col2']) C col1_a col1_b col2_a col2_b col2_c 0 1 1 0 0 1 0 1 2 0 1 1 0 0 2 3 1 0 0 0 1
>>> pd.get_dummies(pd.Series(list('abcaa'))) a b c 0 1 0 0 1 0 1 0 2 0 0 1 3 1 0 0 4 1 0 0
>>> pd.get_dummies(pd.Series(list('abcaa')), drop_first=True) b c 0 0 0 1 1 0 2 0 1 3 0 0 4 0 0
>>> pd.get_dummies(pd.Series(list('abc')), dtype=float) a b c 0 1.0 0.0 0.0 1 0.0 1.0 0.0 2 0.0 0.0 1.0