怎么把pd.get_dummies显示的结果呈现0或1

在 Pandas 库中，使用 `pd.get_dummies` 函数将类别数据转换为哑变量（dummy variables）时，默认值会被编码为0和1。这个函数通常应用于 One-Hot Encoding，其中每个类别对应一列，如果某条记录属于某个类别，则对应的那一列的值就是1，不属于则为0。

例如：

import pandas as pd

# 假设你有一个DataFrame df，有一个名为'category'的分类列
df = pd.DataFrame({'category': ['A', 'B', 'A', 'C']})

# 使用 get_dummies
dummies = pd.get_dummies(df['category'])

# 输出结果
print(dummies)

输出将会是一个笛卡尔积矩阵，每一列代表一个类别，如果是该类别则值为1，否则为0。比如：

   A  B  C
0  1  0  0
1  0  1  0
2  1  0  0
3  0  0  1

这里'A'列表示原数据中有'A'的情况，'B'列表示有'B'的情况等。

相关问题

pd.get_dummies(data['等级']) data.join(pd.get_dummies(data['等级']))

这段代码的作用是将 DataFrame 数据中的 '等级' 列进行 one-hot 编码，并将编码结果添加到原 DataFrame 中作为新的列。其中，pd.get_dummies() 函数用于进行 one-hot 编码，data['等级'] 表示要进行编码的 DataFrame 列，data.join() 函数用于将编码结果添加到原 DataFrame 中。

pd.get_dummies

`pd.get_dummies`是Pandas库中的一个函数，它将分类变量转换为哑变量/虚拟变量。具体来说，它将一个包含分类变量的DataFrame或者Series作为输入，然后对每个分类变量创建一个新的列，该列包含0和1，表示该变量是否存在。这样可以将分类变量转换为数值型变量，以便于在机器学习算法中使用。

例如，假设我们有一个包含“性别”列的DataFrame，其中包含“男”和“女”两个分类变量。我们可以使用`pd.get_dummies`函数将其转换为两列，每列包含0或1，表示该行中的性别是否为男或女。

示例代码如下：

import pandas as pd

df = pd.DataFrame({'Gender': ['Male', 'Female', 'Male', 'Male', 'Female']})
dummies = pd.get_dummies(df['Gender'])
df = pd.concat([df, dummies], axis=1)
print(df)

输出结果：

   Gender  Female  Male
0    Male       0     1
1  Female       1     0
2    Male       0     1
3    Male       0     1
4  Female       1     0

在这个例子中，我们将“Gender”列转换为了“Female”和“Male”两个虚拟变量，并将其添加到原始DataFrame中。