pd.get_dummies如何设置前缀的连接符

在 `pd.get_dummies` 函数中，可以通过参数 `prefix_sep` 来设置前缀连接符。

`prefix_sep` 参数默认为 `_`，表示将前缀和原始列名用下划线连接。如果要修改连接符的话，可以将 `prefix_sep` 参数设置为需要的连接符。

下面是一个示例代码，通过设置 `prefix_sep` 参数来修改前缀连接符：

import pandas as pd

df = pd.DataFrame({'A': ['a', 'b', 'c'], 'B': ['x', 'y', 'z']})
dummies = pd.get_dummies(df, prefix=['col1', 'col2'], prefix_sep='|')
print(dummies.columns)

输出结果如下：

Index(['col1|a', 'col1|b', 'col1|c', 'col2|x', 'col2|y', 'col2|z'], dtype='object')

可以看到，生成的列名以指定的前缀和连接符连接。

相关问题

pd.get_dummies

`pd.get_dummies` 是 Pandas 中的一个函数，用于将分类变量转换为哑变量（dummy variables）或指示变量（indicator variables），从而方便进行分析。

它可以将一列中的每个不同值（类别）转换成新的一组列，这些列的值为 0 或 1，表示原始数据中是否存在该类别。这种转换通常在机器学习中用于特征工程，将分类变量转换为可用于模型训练的数值特征。

例如，假设有一个包含性别信息的 DataFrame：

import pandas as pd

df = pd.DataFrame({'sex': ['M', 'F', 'F', 'M', 'M']})

使用 `pd.get_dummies` 可以将性别列转换为哑变量：

pd.get_dummies(df['sex'])

输出：

   F  M
0  0  1
1  1  0
2  1  0
3  0  1
4  0  1

可以看到，'sex' 列中的值被转换为了两列，分别表示男性和女性的存在与否。这样的转换可以使得原始数据更加易于处理和分析。

pd.get_dummies如何设置列名

在 pd.get_dummies 函数中，可以通过参数 prefix 和 columns 来设置生成的哑变量列名。

prefix 参数用于添加一个前缀，可以是字符串或者字符串列表。如果列名本身已经以该前缀开头，则不会再添加该前缀。

columns 参数用于指定需要生成哑变量的列名列表。如果不指定该参数，则会对所有非数值列进行哑变量编码。

下面是一个示例代码，通过设置 prefix 和 columns 参数来生成指定列名的哑变量：

import pandas as pd

df = pd.DataFrame({'A': ['a', 'b', 'c'], 'B': ['x', 'y', 'z']})
dummies = pd.get_dummies(df, prefix=['col1', 'col2'], columns=['A', 'B'])
print(dummies.columns)

输出结果如下：

Index(['col1_a', 'col1_b', 'col1_c', 'col2_x', 'col2_y', 'col2_z'], dtype='object')

可以看到，生成的列名以指定的前缀开头，并且只包含指定的列名。