Python pandas.get_dummies用法及代码示例

用法: pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)

将分类变量转换为虚拟/指标变量。

参数：

data：array-like、系列或数据帧

获取虚拟指标的数据。

prefix：str，str 的列表，或 str 的 dict，默认无

附加 DataFrame 列名的字符串。在 DataFrame 上调用 get_dummies 时，传递一个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：str，默认 ‘_’

如果附加前缀，则使用分隔符/定界符。或者像 prefix 一样传递列表或字典。

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：list-like，默认无

要编码的 DataFrame 中的列名。如果 columns 为 None 那么所有具有 object 或 category dtype 的列都将被转换。

sparse：布尔值，默认为 False

dummy-encoded 列是否应由 SparseArray (True) 或常规 NumPy 数组 (False) 支持。

drop_first：布尔值，默认为 False

是否通过删除第一级从 k 个分类级别中取出 k-1 个虚拟变量。

dtype：dtype，默认 np.uint8

新列的数据类型。只允许使用一个 dtype。

DataFrame: Dummy-coded 数据。

注意：

有关更多示例，请参阅用户指南。

例子：

>>> 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

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.get_dummies。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：