python实现哑变量编码

哑变量编码是一种将分类变量转换为数值变量的方法。在Python中，可以使用pandas库的get_dummies函数来实现哑变量编码。

下面是一个例子，假设有一个数据集包含性别和职业两个分类变量：

import pandas as pd

data = {'Gender': ['Male', 'Female', 'Male', 'Male', 'Female'],
        'Occupation': ['Engineer', 'Teacher', 'Doctor', 'Lawyer', 'Doctor']}

df = pd.DataFrame(data)
print(df)

输出：

   Gender Occupation
0    Male   Engineer
1  Female    Teacher
2    Male     Doctor
3    Male     Lawyer
4  Female     Doctor

现在我们将使用get_dummies函数对这些分类变量进行哑变量编码：

encoded_df = pd.get_dummies(df, columns=['Gender', 'Occupation'])
print(encoded_df)

输出：

   Gender_Female  Gender_Male  Occupation_Doctor  Occupation_Engineer  Occupation_Lawyer  Occupation_Teacher
0              0            1                  0                    1                  0                    0
1              1            0                  0                    0                  0                    1
2              0            1                  1                    0                  0                    0
3              0            1                  0                    0                  1                    0
4              1            0                  1                    0                  0                    0

我们可以看到，每个分类变量都被转换为了多个数值变量，其中每个数值变量对应一个分类变量取值。这些数值变量被称为“哑变量”。在上面的输出中，Gender变量被转换为了Gender_Female和Gender_Male两个哑变量，Occupation变量被转换为了Occupation_Doctor、Occupation_Engineer、Occupation_Lawyer和Occupation_Teacher四个哑变量。