pandas.get_dummies 的用法

最新推荐文章于 2025-07-30 21:33:20 发布
转载 最新推荐文章于 2025-07-30 21:33:20 发布 · 957 阅读 · 1

本文介绍了如何使用pandas中的get_dummies函数实现one-hot编码，包括对数据进行转换的基本操作及示例，如对整个DataFrame或指定列应用get_dummies，并将其结果合并回原始数据集。

get_dummies 是利用pandas实现one hot encode的方式。详细参数请查看官方文档 

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False)[source]
1
例子：
import pandas as pd
df = pd.DataFrame([  
            ['green' , 'A'],   
            ['red'   , 'B'],   
            ['blue'  , 'A']])  

df.columns = ['color',  'class'] 
pd.get_dummies(df) 

get_dummies 前： 
 
get_dummies 后： 


上述执行完以后再打印df 出来的还是get_dummies 前的图，因为你没有写

df = pd.get_dummies(df)

可以对指定列进行get_dummies
pd.get_dummies(df.color)


将指定列进行get_dummies 后合并到元数据中
df = df.join(pd.get_dummies(df.color))

--------------------- 
 

【Pandas】pandas get_dummies
weixin_39648905的博客
12-07 1242
`pandas.get_dummies` 是 Pandas 库中的一个函数，它用于将分类变量（categorical variables）转换为哑变量（dummy/indicator variables），也就是将分类变量的每一个类别映射为一个新的列，这些列中只有 0 和 1 两种取值，表示该记录是否属于该类别。下面是对 `pandas.get_dummies` 每个参数的详细介绍，以及示例和结果。
pandas___get_dummies详解
最新发布
qq_41768644的博客
11-01 890
get_dummies方法详解
pandas中的get_dummies()函数
fly_Xiaoma的博客
04-05 3480
数据集中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（特征之间的欧式距离相同），比如color:[red,green]，可以采用one-hot的方法 离散特征的的取值有大小的意义（特征之间的欧式距离不同），比如size：[X,XL,XXL]，可以采用数值的映射{X:1,XL:2,XXL3}，这种方式就是LabelEncoder()的思想 对离散特征的处理可以采用两种方式...
pandas的get_dummies
热门推荐
昆兰.沃斯 的博客
05-20 2万+
简单说一下：虚拟变量    哑变量    dummy Variable    这三个一个意思。 我总结一下我的理解：就是添加原来数据中没有的变量，但是这并不是意味着可以随意添加，应该是根据原来的数据进行转换。 例如：将一个变量Embarked，根据它的值（C、Q、S）转换为Embarked_C、Embarked_Q、Embarked_S三个变量（转化后有默认名，也可以利用prefix来自己修改...
udacity 深度学习课程实战项目之预测共享单车的使用情况
chenguiyuan1234的博客
10-23 1277
题目 知识点 1、pd.get_dummies pandas.get_dummies(data, prefix=None, prefix_sep=’_’, dummy_na=False, columns=None, sparse=False, drop_first=False) 参数 data : array-like, Series, or DataFrame 输入的数据 prefix : s...
Python Pandas.get_dummies函数解析与实战教程
皓月照山川的博客
07-30 1421
从一行代码的便捷转换到生产环境中的致命陷阱，pandas.get_dummies 是数据科学家工具箱中一把锋利但需要技巧的双刃剑。本教程将带你深入其核心，规避最常见的错误，掌握性能优化的秘诀，并深度对比其与 sklearn.preprocessing.OneHotEncoder 的优劣。
Pandas_ get_dummies独热编码
2401_83026894的博客
11-08 710
pd.get_dummies 是 Pandas 库中的一个函数，用于将分类变量转换为“哑变量”或“独热编码”（One-Hot Encoding），这是处理分类数据的一种常用技术。• prefix: 为生成的哑变量列添加前缀。• columns: 指定需要转换的列名。如果不指定，则转换所有对象类型的列。• dummy_na: 是否为缺失值创建一个哑变量，默认为 False。• sparse: 返回稀疏矩阵格式的数据，默认为 False。• prefix_sep: 前缀和值之间的分隔符，默认为空格。
pandas使用get_dummies进行one-hot编码的方法
12-24
使用pandas可以很方便的对离散型特征进行one-hot编码 import pandas as pd df = pd.DataFrame([ ['green', 'M', 10.1, 'class1'], ['red', 'L', 13.5, 'class2'], ['blue', 'XL', 15.3, 'class
【Pandas】pandas.get_dummies详解与实战应用：类别数据的独热编码神器，用于将类别变量转换为独热编码（one-hot encoding），即将每个类别值转换为一个新的列
科技改变人类，技术成就未来
08-04 1601
在数据分析和处理过程中，尤其是机器学习模型构建时，常常需要将类别特征转换为数值特征。pandas.get_dummies 是 Pandas 提供的一个函数，用于将类别变量转换为独热编码（one-hot encoding），即将每个类别值转换为一个新的列。本文将详细介绍 pandas.get_dummies 的用途和用法，包括其参数详解、示例代码以及进阶使用技巧。
关于pandas.get_dummies
heisyi的博客
01-24 778
qqq
Pandas-getdummies
m0_69378371的博客
04-21 921
get_dummies() 方法主要用于将指定的 DataFrame 或 Series 中的分类变量转换为 one-hot 编码的形式，生成一个新的 DataFrame。其中，gender_Male 和 gender_Female 分别表示了性别为男性和女性的情况，取值为 1 表示该样本的性别为相应的类别，取值为 0 表示不是该类别。columns: 指定要进行编码的列，如果不指定，则对所有的 object 或 category 类型的列进行编码。dtype: 指定编码后的数据类型，默认为 None。
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 5806
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。
【pandas】get_dummies函数
这个人很蓝
05-17 395
pandas的get_dummies函数类似于one-hot编码 import pandas as pd 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 ...
get_dummies函数介绍
ymkfjuyhbh的博客
08-19 2万+
pd.get_dummies相当于onehot编码，常用与把离散的类别信息转化为onehot编码形式。 官方文档： def get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=...
快速进行OneHot编码——get_dummies()函数
qq_51167531的博客
03-29 8572
当我们的数据中出现的离散的类别信息时，我们通常将其转化为onehot编码形式，以便于对于我们的模型能有更好的效果。 此处主要介绍的是pandas库中的一个函数——get_dummies()，它能直接将我们需要转换的列直接进行转换，下面来具体介绍： 1.参数说明 pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False) ..
Pandas的get_dummies 实例的应用
raozhizhenshuai的博客
11-24 2716
Pandas的get_dummies欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准
pd.get_dummies()
Recursions的博客
01-08 3761
是 Pandas 库中用于独热编码（One-Hot Encoding）的函数。它的作用是将分类（离散）变量的每个不同取值都拓展为一个新的二进制特征（0或1），从而方便机器学习模型处理。列被独热编码为三个新的二进制列。在原始数据的每一行中，只有原始颜色对应的列为1，其余列为0。: 要进行独热编码的列的名称，如果指定，则只对这些列进行操作。: 生成的独热编码列的前缀和原始列名之间的分隔符。: 是否删除第一个独热编码列，以避免共线性问题。: 是否为原始数据中的缺失值生成独热编码列。: 生成的独热编码列的前缀。
pandas中的get_dummies方法
IT荻的博客
10-10 2万+
参考：https://blog.csdn.net/u010665216/article/details/78635664?utm_source=copy https://blog.csdn.net/lujiandong1/article/details/52836051 pandas中有一种get_dummies的方法： pandas.get_dummies(data, prefix=None, ...
pd.get_dummies()的使用
09-01
<think> 我们被要求解释pandas库中的get_dummies()函数的使用方法。参考之前提供的引用，我们可以总结如下： get_dummies()函数用于将分类变量转换为哑变量/指示变量（dummy/indicator variables）。它常用于机器学习中的特征处理，将类别型变量转换为0/1的二进制列。 函数语法： pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None) 参数解析（根据引用[1][3][4][5]）： - data: 输入数据，可以是DataFrame或Series。 - prefix: 用于新列名的前缀。可以是字符串、字符串列表或字典（为每列指定不同的前缀）。默认为None，此时使用原列名。 - prefix_sep: 前缀和类别值之间的分隔符，默认为下划线'_'。 - dummy_na: 布尔值，默认为False。如果为True，则增加一列表示缺失值（NaN）。 - columns: 指定需要转换的列名列表。默认为None，表示转换所有类别型变量（非数值型的列）。 - sparse: 布尔值，默认为False。是否返回稀疏矩阵（Sparse DataFrame）。 - drop_first: 布尔值，默认为False。如果为True，则删除每个分类变量的第一个类别（避免多重共线性，在回归中常用）。 - dtype: 新列的数据类型，默认为np.uint8。 使用步骤： 1. 导入pandas：`import pandas as pd` 2. 准备数据：通常是一个包含类别型变量的DataFrame。 3. 调用`pd.get_dummies()`，传入数据和其他参数。 示例： 假设有以下DataFrame： ```python import pandas as pd df = pd.DataFrame({ 'A': ['a', 'b', 'a'], 'B': ['b', 'a', 'c'], 'C': [1, 2, 3] }) ``` 1. 基本转换： ```python pd.get_dummies(df) ``` 结果： C A_a A_b B_a B_b B_c 0 1 1 0 0 1 0 1 2 0 1 1 0 0 2 3 1 0 0 0 1 注意：数值列C被保留，非数值列A和B被转换成多个哑变量列。 2. 指定列转换（columns）： ```python pd.get_dummies(df, columns=['A']) ``` 结果： B C A_a A_b 0 b 1 1 0 1 a 2 0 1 2 c 3 1 0 # 注意：这里第三行A列是'a'，所以A_a为1，A_b为0（因为没有'b'，所以为0） 3. 使用前缀（prefix）和前缀分隔符（prefix_sep）： ```python pd.get_dummies(df, prefix=['col1', 'col2']) ``` 结果： 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 注意：这里给A列加了前缀'col1'，B列加了前缀'col2'。 4. 处理缺失值（dummy_na）： ```python df_nan = pd.DataFrame({'D': ['a', 'b', np.nan]}) pd.get_dummies(df_nan, dummy_na=True) ``` 结果： D_a D_b D_nan 0 1 0 0 1 0 1 0 2 0 0 1 5. 删除第一个类别（drop_first）以避免多重共线性： ```python pd.get_dummies(df, drop_first=True) ``` 结果： C A_b B_a B_c 0 1 0 0 0 # 注意：A列的第一个类别是'a'，被删除了，所以只保留A_b；同理B列删除了第一个类别'b'（按字母顺序），保留B_a和B_c。 1 2 1 1 0 2 3 0 0 1 注意：drop_first=True会删除每个分类变量的第一个类别（按字母排序）。 6. 设置数据类型（dtype）： ```python pd.get_dummies(df, dtype=float) ``` 注意事项（引用[2]）： - 当类别变量取值较多时，会产生大量新列，导致维度灾难，需谨慎使用。 - 在回归模型中，通常需要设置drop_first=True以避免多重共线性问题。 - 可以结合缺失值处理（dummy_na）来保留缺失信息。 相关问题： 1. get_dummies()函数处理数值型和类别型列的方式有什么不同？ 2. 在机器学习模型中使用独热编码时，为什么有时需要删除第一个类别？ 3. 如何处理大数据集下的高基数分类变量（即类别取值非常多）？ 4. 如何将get_dummies()与pandas的cut/qcut函数结合使用？ 5. 使用get_dummies()后如何恢复原始分类变量？ 注意：在回答中，我们引用了多个引用，需要在适当位置标注引用标识。 </think> # Pandas中get_dummies()函数详解 `pd.get_dummies()`是Pandas中处理分类变量的核心函数，它将**类别型数据转换为独热编码（One-Hot Encoding）**，便于机器学习算法处理。下面详细介绍其使用方法：[^1][^3][^4] ## 函数语法 ```python pandas.get_dummies( data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None ) ``` ## 核心参数解析 | 参数 | 说明 | 默认值 | 示例 | |------|------|--------|------| | `data` | 输入数据（DataFrame或Series） | 必需 | `df` | | `prefix` | 新列名前缀（字符串/列表/字典） | None | `'cat'` | | `prefix_sep` | 前缀与类别的分隔符 | `'_'` | `'-'` | | `dummy_na` | 是否为NaN创建新列 | False | True | | `columns` | 指定要转换的列 | None | `['color', 'size']` | | `drop_first` | 是否删除第一个类别 | False | True | | `dtype` | 输出数据类型 | uint8 | float | ## 基本使用示例 ### 1. 基础转换 ```python import pandas as pd df = pd.DataFrame({'color': ['红', '蓝', '绿', '蓝']}) pd.get_dummies(df) ``` 输出： ``` color_红 color_蓝 color_绿 0 1 0 0 1 0 1 0 2 0 0 1 3 0 1 0 ``` ### 2. 添加前缀 ```python pd.get_dummies(df, prefix='COL') ``` 输出： ``` COL_红 COL_蓝 COL_绿 0 1 0 0 1 0 1 0 2 0 0 1 3 0 1 0 ``` ### 3. 处理缺失值 ```python df_nan = pd.DataFrame({'size': ['S', 'M', None, 'L']}) pd.get_dummies(df_nan, dummy_na=True) ``` 输出： ``` size_L size_M size_S size_nan 0 0 0 1 0 1 0 1 0 0 2 0 0 0 1 3 1 0 0 0 ``` ### 4. 避免多重共线性 ```python pd.get_dummies(df, drop_first=True) ``` 输出： ``` color_蓝 color_绿 0 0 0 1 1 0 2 0 1 3 1 0 ``` ## 高级应用场景 ### 1. 多列同时转换 ```python df_multi = pd.DataFrame({ 'color': ['红', '蓝', '绿'], 'size': ['S', 'M', 'L'] }) pd.get_dummies(df_multi, columns=['color', 'size']) ``` ### 2. 自定义前缀映射 ```python prefix_mapping = {'color': 'COL', 'size': 'SZ'} pd.get_dummies(df_multi, prefix=prefix_mapping) ``` ### 3. 与数值列共存 ```python df_num = pd.DataFrame({ 'price': [10, 20, 30], 'category': ['A', 'B', 'A'] }) pd.get_dummies(df_num) ``` ## 注意事项 1. **高基数问题**：当类别过多时会导致维度爆炸，建议先进行类别合并[^2] 2. **内存管理**：使用`sparse=True`可节省内存（返回稀疏矩阵）[^4] 3. **回归模型**：线性模型中务必设置`drop_first=True`避免完全多重共线性[^5] 4. **数据类型**：通过`dtype`控制输出类型可节省内存（如dtype=bool） ## 最佳实践 ```python # 典型预处理流程 processed = ( df .filter(['category', 'size']) # 选择需要转换的列 .pipe(pd.get_dummies, prefix_sep=':', drop_first=True, dummy_na=True) ) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值