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。

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。