用pandas哪个函数处理定性数据

在pandas中，可以使用`pd.get_dummies()`函数来处理定性数据。该函数可以将定性数据转换为哑变量（dummy variable），也被称为指示变量（indicator variable）或虚拟变量（dummy variable）。

`pd.get_dummies()`函数可以将定性数据中的每个类别都转换为一个新的列，每个列的取值为0或1，表示该行属于该列对应的类别（取值为1），或者不属于该列对应的类别（取值为0）。

例如，假设有一个数据集包含了性别、年龄、职业等定性数据，可以使用以下代码将性别转换为哑变量：

import pandas as pd

# 构造示例数据
data = pd.DataFrame({'gender':['male', 'female', 'male', 'male', 'female'], 
                     'age':[25, 30, 35, 40, 45], 
                     'job':['student', 'teacher', 'engineer', 'doctor', 'lawyer']})

# 将gender列转换为哑变量（独热编码）
dummies = pd.get_dummies(data['gender'], prefix='gender')

# 将哑变量与原始数据合并
data = pd.concat([data, dummies], axis=1)

# 输出结果
print(data)

运行结果如下：

   gender  age       job  gender_female  gender_male
0    male   25   student              0            1
1  female   30   teacher              1            0
2    male   35  engineer              0            1
3    male   40    doctor              0            1
4  female   45    lawyer              1            0

可以看到，通过`pd.get_dummies()`函数将gender列转换为了哑变量，并且使用`prefix`参数指定了新列的前缀。最后，将哑变量与原始数据合并得到了新的数据集。