pd.get_dummies()的使用

原创于 2019-03-04 21:34:03 发布 · 3k 阅读

6 ·

CC 4.0 BY-SA版权

machine learning 专栏收录该内容

35 篇文章

订阅专栏

本文介绍了一种常用的数据预处理方法，即将特征的类别抽取出来作为新的特征使用，通过增加样本维度来提高模型的表现力。使用Python的pandas库进行演示，展示了如何将字符串类型的类别特征转换为二进制向量，即独热编码（One-Hot Encoding）。这种方法对于处理分类变量尤其有效，能够避免模型在训练过程中对不同类别的数值型表示产生误解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

In [8]: s=pd.Series(list('AABBCCABCDDEE'))
0     A
1     A
2     B
3     B
4     C
5     C
6     A
7     B
8     C
9     D
10    D
11    E
12    E
dtype: object

In [9]: pd.get_dummies(s)
Out[9]: 
    A  B  C  D  E
0   1  0  0  0  0
1   1  0  0  0  0
2   0  1  0  0  0
3   0  1  0  0  0
4   0  0  1  0  0
5   0  0  1  0  0
6   1  0  0  0  0
7   0  1  0  0  0
8   0  0  1  0  0
9   0  0  0  1  0
10  0  0  0  1  0
11  0  0  0  0  1
12  0  0  0  0  1

可以将一个特征的类别抽取出来当作新的特征使用，这样增加了样本的维度，是一种常用的数据预处理方法。