pandas get_dummies()使用

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 8.1k累计阅读 8.1k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄12年

关注

转载最新推荐文章于 2026-01-26 18:25:46 发布 8.1k 阅读 AI 写同款· GEO 优化 ›

pd.get_dummies的使用和疑惑解答 pd.get_dummies的使用参考pandas官网 pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None) 参数： data：array-like, Series, or DataFrame prefix:str, list of str, or dict of str, default None.St 阅读详情

In [72]: df = pd.DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'b'],
   ....:                    'data1': range(6)})

In [73]: pd.get_dummies(df['key'])
Out[73]: 
   a  b  c
0  0  1  0
1  0  1  0
2  1  0  0
3  0  0  1
4  1  0  0
5  0  1  0

[6 rows x 3 columns]

收录于

Pandas

当前文章被收录于：

Pandas

1 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#python #pandas #get_dummies

pandas中利用get_dummies()进行独热编码（One-Hot encoding）在机器学习分类任务中，经常存在一个特征有多个分类变量值，例如在kaggle中的Titanic比赛数据中，Embarked的值有S,C,Q。我们这个时候要对离散型数据进行onehot编码处理，至于onehot编码的优点以及为什么要用onehot编码？可以参考这篇博文：数据预处理：独热编码（One-Hot Encoding）一、onehot的优点 onehot编码的优点可以总结阅读详情

相关推荐

Pandas中的get_dummies()函数实战应用详解

独热编码，也被称为一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位来表示，并且在任意时候只有一位有效。在数据分析中，这通常意味着为每个类别创建一个新的二进制列，如果原始数据中的某个实例属于该类别，则在新列中标记为1，否则为0。Pandas的get_dummies()函数是处理类别型变量的强大工具，它可以将类别型变量转换为独热编码形式，方便后续的数据分析和机器学习算法应用。在使用该函数时，需要注意处理缺失值、添加前缀、处理重复值、指定要转换的列以及处理稀疏矩阵等问题。

这家伙很懒，什么都没有留下 5951

pd.get_dummies()用法

在数据的预处理过程中，我们需要将一个特征变量变为计算机能读懂的特征距离。 pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None) 详细参数： prefix：str, list of str, 或 dict of str, 默认为 None 用于追加DataFrame列名称的字符串。 prefix_s

lindaicoding的博客 3万+

Pandas中哑变量处理类别型数据 — get_dummies()方法

哑变量又称虚拟变量、名义变量，从名称上看就知道，它是人为虚设的变量，用来反映某个变量的不同类别。使用哑变量处理类别转换，事实上就是将分类变量转换为哑变量矩阵或指标矩阵，矩阵的值通常为"0"或"1"表示。在Pandas中，可以使用get_dummies()函数对类别特征进行哑变量处理，语法格式如

KJ.JK 7776

pandas get_dummies用法及代码示例

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=.

weixin_44852067的博客 7141

Akamai-3.0补环境逆向-DHL快递查询

那么我们的请求过程就是：1.请求首页的html文件，通过re或xpath,提取到这个url，拼接官网地址，得到这个js文件的地址。返回的_abck为0，表示环境正确，请求搜索接口返回200，说明返回的_abck正确，如果过程错误或环境补的有问题会返回403或428这两个状态码。那么，就是这个包返回的，而且这个包需要请求两次，第一次get请求，返回的这个-1的cookie,第二次请求，带上一个sensor_data的参数，进行post请求，最终返回这个0的cookie,代表你过了akamai这个盾。

2302_76420666的博客 2857

微弱电流检测放大器PCB布线布局设计

微弱电流检测放大器PCB布线布局设计的注意事项，保护环的概念和相关设计。

ydgd118的博客 1万+

pd.get_dummies函数介绍

pd.get_dummies 是 pandas 中用于创建虚拟变量（哑变量）的函数。在机器学习和统计分析中，经常需要将分类变量转换为虚拟变量，以便在模型中使用。pd.get_dummies 可以方便地实现这一转换。

weixin_43597208的博客 793

ESP32驱动GC9A01圆形屏实战：Arduino平台LVGL移植与图像显示优化

本文详细介绍了在Arduino平台上使用ESP32驱动GC9A01圆形屏的实战指南，包括硬件连接、LVGL移植与图像显示优化。通过SPI配置、LVGL库安装和双缓冲机制等技巧，帮助开发者快速实现高效显示效果，适用于智能家居控制面板等应用场景。

weixin_29182481的博客 735

pd.get_dummies

是pandas库中的一个函数，用于将分类变量（categorical data）转换为虚拟变量（dummy variables）或指示变量（indicator variables）。这些虚拟变量常用于机器学习和统计分析中，因为许多模型只能处理数值型数据，而不能直接处理分类数据。

weixin_44012667的博客 1864

系统架构设计（以飞控系统、航电系统、机电管理系统、电子电气架构为例）

系统架构涉及对系统的结构和行为进行高层次的描述。它包括系统的组成部分、这些部分之间的关系、与外部环境的交互方式，以及满足特定功能和非功能性需求的方法。系统架构定义了系统的总体设计蓝图，指导系统的开发、集成、部署和维护。系统架构设计的目的是通过合理的结构和设计原则，确保系统能够高效、稳定、安全地运行，满足当前和未来的需求，同时具备良好的维护性、扩展性和可持续性。良好的系统架构不仅能够提高系统的开发效率和运行性能，还能降低长期的维护和运营成本，支持系统的持续演进和技术更新。

qq_41854911的博客 3052

2021年全网最细 VirtualBox 虚拟机安装 Ubuntu 20.04.2.0 LTS及Ubuntu的相关配置

目录一、VirtualBox 虚拟机的安装1. VirtualBox 的下载和安装2. 设置 VirtualBox 存储文件夹3. 在 VirtualBox 创建虚拟机二、Linux 操作系统（Ubuntu）的安装1. Linux 操作系统（Ubuntu）的下载2. 安装 Ubuntu3. 启动 Ubuntu三、配置 Ubuntu1. 设置终端2. 设置共享剪贴板3. 设置共享文件夹一、VirtualBox 虚拟机的安装 VirtualBox 是由德国 Innotek 公司开发，由 Sun Microsy

XAMO Lab｜代码、调试与复盘笔记 2万+

Python学习笔记——pandas中get_dummies()的用法

原文链接在此可以看到get_dummies 默认就是所有变量都转了默认转了以后的变量用columns名_数值名表示其中参数predix： prefix : 给输出的列添加前缀，如prefix=“A”,输出的列会显示类似 prefix_sep : 设置前缀跟分类的分隔符sepration，默认是下划线"_" df = pd.DataFrame([ [‘green’ , ‘A’], [‘red’ , ‘B’], [‘blue’ , ‘A’]]) pd.get_dummies(df,prefix =

doris_dingding的博客 6097

[QMT量化交易小白入门]-105、震荡市最适合的策略：ETF多标的动态网格策略，回测年化收益47.81%

本专栏主要是介绍QMT的基础用法，常见函数，写策略的方法，也会分享一些量化交易的思路，大概会写200篇左右。QMT的相关资料较少，在使用过程中不断的摸索，遇到了一些问题，记录下来和大家一起沟通，共同进步。

木头大左的博客 2064

Pandas哑变量get_dummies()编码函数代码示例及验证

Pandas哑变量编码函数 get_dummies()函数可以将分类变量转换为哑变量/指示变量，结果生成一个行数等于数据的元素个数，列数等于变量数，列名为各变量名的DataFrame,对应分类变量的位置取值为1，其余位置取值为0。函数格式如下： pandas.get_dummies(data, prefix=None, prefix_sep=’_’, dummy_na=False, column...

The Zen of Data Analysis 2537

清洁机器人之屏幕（中，大LCD）方案--ITE 联阳986x系列 soc显控芯片介绍

AIoT深度探索者 | 嵌入式系统架构师深耕物联网（IoT）与人工智能（AI）融合技术，聚焦边缘计算、图像开发、低功耗通信协议，致力于智能硬件,关注我获取最新技术文章信息与海量资源~ 2665

基于STM32+华为云设计的智能鱼缸

本项目基于STM32单片机设计一款基于物联网的智能鱼缸系统，并通过应用侧接口开发上位机APP实现远程对鱼缸参数的检测和控制。该系统包括水温检测、水质检测、自动或手动换水、氛围灯灯光变换和自动或手动喂食等功能，可以帮助用户更好地管理鱼缸，提高鱼儿的生存率，同时增强用户对家庭装饰品的掌控感和科技感。

1万+

pandas:get_dummies()函数

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)[source]Convert categorical variable into dummy/indicator variables，dummy...

呦呦鹿鸣的博客 2951

霍尼韦尔SoftMaster使用说明

pandas中的get_dummies()

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False) 参数说明： data : array-like, Series, or DataFrame 输入的数据 prefix : string, list of stri...

群星闪耀的博客 627

NTscan扫描工具

ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

python pandas.get_dummies()函数的使用

引用

Dontla的博客 1337

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册，内含HL7和ASTM)

pandas 中get_dummies() 与factorize()的区别

pandas 中get_dummies() 与factorize()的区别当一个特征中存在较多的类别时，使用get_dummies() 会导致DataFrame中的columns 列数激增 factorize() 可以对特征中的类别创建一些数字，来表示分类变量或者枚举型变量(enumerated type)。具体来说：factorize() 只产生一个特征变量，这个特征中对类别使用数字进行区分。适用于出现较多独立变量的情况参考 e.p. ...

eerywh的博客 317

pandas:get_dummies()与pd.factorize()用法与区别

1.get_dummies() pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None,sparse=False, drop_first=False)：Convert categorical variable into dummy/indicator variables >&g...

Rookiekk 2056

Pandas 文本数据方法 get_dummies()

Series.str.get_dummies(sep=’|’)分割字符串并返回各个字符的复杂矩阵参数: sep : 字符串, 默认为“|” 返回值: 数据框(DataFrame)>>> Series(['a|b', np.nan, 'a|c']).str.get_dummies() a b c 0 1 1 0 1 0 0 0 2 1 0 1

Claroja 3948

[Python中pandas实现独热编码][pd.get_dummies()函数]

快速理解独热编码前，存在1列x3行的数据： 1列的列名称为：动物名称 3行中第1行的值为：猫 3行中第2行的值为：狗 3行中第3行的值为：猫独热编码后，变为2列x3行的数据，第一列是猫，第二列是狗 2列的列名称分别为：猫，狗 3行中第1行的值变为：1，0 3行中第2行的值变为：0，1 3行中第3行的值变为：1，0 选择题以下关于pandas库中pd.get_dummies()函数说法错误的是：选项： A 可以对Dataframe中字段类型是Object的列进行...

liujingwei8610的专栏 3436

数据清洗-pandas中one-hot编码函数pd.get_dummies()

1 函数解释离散特征的编码分为两种情况：离散特征的取值之间没有大小的意义，比如color：[red,blue],那么就使用one-hot编码离散特征的取值有大小的意义，比如size:[M,L,XL],那么就使用数值的映射{M:1,L:2,XL:3} 使用pandas.get_dummies()函数可以很方便的对离散型特征进行one-hot编码 pandas.get_dummies(dat...

weixin_43422455的博客 1299

pandas.get_dummies()

参考博客1 参考博客2 one hot 编码形式和定义 one hot 编码，其为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都有独立的寄存器位，并且在任意时候只有一位有效。这些特征值并不是连续的，而是离散的，无序的。通常我们需要对其进行特征数字化。特征数字化性别特征：[“男”,“女”] 按照N位状态寄存器来对N个状态进行编码的原理，咱们处理后应该是这样的（这里只有两个特征，所以N=2）：男 → 10 女 → 01 国家特征：[“中国”，"美国，“法国”]（N=3）

qq_45279570的博客 797

上一篇：决策树实现

下一篇： grub-efi-amd64-signed安装失败

Pandas中的get_dummies()函数实战应用详解

这家伙很懒，什么都没有留下

05-13

5951