pandas中的one-hot编码方法

2023-02-24 00:00:00 pandas

pandas中的one-hot编码是指将分类数据转换为0和1的二元组表示方式，以便于后续的分析和建模。

在pandas中，可以使用get_dummies()函数来实现one-hot编码，其函数原型如下：

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)

其中，参数说明如下：

data：需要进行one-hot编码的数据。
prefix：表示对每个变量的类别前缀进行命名，默认为变量名。
prefix_sep：表示前缀和变量名之间的分隔符，默认为_。
dummy_na：表示是否为缺失值（NaN）创建虚拟变量，默认为False。
columns：表示要进行one-hot编码的列，默认为所有列。
sparse：表示是否返回稀疏矩阵，默认为False。
drop_first：表示是否删除第一个虚拟变量，避免共线性问题，默认为False。
dtype：表示生成的数据类型。
下面是一个简单的示例代码，假设有一个数据集df，其中color和size是分类变量，需要进行one-hot编码：

import pandas as pd

df = pd.DataFrame({'color': ['red', 'green', 'blue', 'green', 'red'], 'size': ['M', 'L', 'S', 'M', 'L']})
dummies = pd.get_dummies(df, columns=['color', 'size'])
print(dummies)

运行结果如下：

   color_blue  color_green  color_red  size_L  size_M  size_S
0           0            0          1       0       1       0
1           0            1          0       1       0       0
2           1            0          0       0       0       1
3           0            1          0       0       1       0
4           0            0          1       1       0       0

可以看到，原数据集中的color和size列被分别进行了one-hot编码，生成了新的虚拟变量列。

相关文章