使用pd.get_dummies
时间: 2024-06-14 10:06:08 浏览: 164
`pd.get_dummies()`是pandas库中的一个函数,用于将离散型特征变量转换为计算机可读的特征距离。它将离散特征的每个取值创建为一个新的二进制变量,并将原始特征变量替换为这些新的二进制变量。
该函数的参数如下:
- `data`:要进行独热编码的数据集。
- `prefix`:新创建的二进制变量的前缀。
- `prefix_sep`:前缀与原始特征变量名之间的分隔符。
- `dummy_na`:是否为缺失值创建一个新的二进制变量。
- `columns`:要进行独热编码的特征变量列名。
- `sparse`:是否返回稀疏矩阵。
- `drop_first`:是否删除第一个类别,以避免多重共线性。
- `dtype`:返回的数据类型。
以下是一个使用`pd.get_dummies()`函数的示例:
```python
import pandas as pd
data = pd.DataFrame({'color': ['red', 'blue', 'red', 'green'],
'size': ['XL', 'L', 'M', 'XL']})
encoded_data = pd.get_dummies(data, prefix='dummy', prefix_sep='_')
print(encoded_data)
```
输出结果如下:
```
dummy_blue dummy_green dummy_red dummy_L dummy_M dummy_XL
0 0 0 1 0 0 1
1 0 0 1 0 0
2 0 0 1 0 1 0
3 0 1 0 0 0 1
```
这个例子中,原始数据集有两个离散特征变量:`color`和`size`。使用`pd.get_dummies()`函数将这两个特征变量进行独热编码后,生成了新的二进制变量,并替换了原始特征变量。
阅读全文