我有一个dataframe名为 train 的列“质量”。>>>train['quality'].unique()array([5, 6, 7, 4, 8, 3], dtype=int64)现在get_dummies有train[['quality']]给>>>pd.get_dummies(train[['quality']]).head() quality0 51 52 53 64 5但与 train['quality']>>>pd.get_dummies(train['quality']).head() 3 4 5 6 7 80 0 0 1 0 0 01 0 0 1 0 0 02 0 0 1 0 0 03 0 0 0 1 0 04 0 0 1 0 0 0的数据类型train[['quality']]和train['quality']主要有： ->>>print(type(train['quality']))<class 'pandas.core.series.Series'>>>>print(type(train[['quality']]))<class 'pandas.core.frame.DataFrame'>该get_dummies()文档指出：data : array-like, Series, or DataFrame因此，如果我可以同时提供一个系列，或者 DataFrame为什么输出不同？
2 回答
料青山看我应如是
TA贡献1772条经验 获得超8个赞
数据需要转换为分类类型才能使用 get_dummies。如果传入一个系列，转换会自动发生。如文档中和coldspeed所述，如果传入DataFrame，则所有对象或类别dtypes（这些数据类型的系列）都将转换为categorical，并将产生虚拟列。例如：
pandas.get_dummies(pandas.DataFrame(list("abcdabcd")))
0_a 0_b 0_c 0_d
0 1 0 0 0
1 0 1 0 0
2 0 0 1 0
3 0 0 0 1
4 1 0 0 0
5 0 1 0 0
6 0 0 1 0
7 0 0 0 1
这是有效的，因为字符串列表变成了一列作为对象的字符串。
也许有点不直观，您的整数类型列不是“对象”类型，因此不会转换为分类列，因此不会返回虚拟列并返回原始 DataFrame。Pandas 中的数字类型与对象不同。您可以通过简单地传递 df[["quality"]].astype("category") 来解决这个问题，因为这将强制您的整数列转换为分类，然后将返回虚拟列。
编辑：要扩展一点，必须记住虚拟变量是回归（或回归的扩展）的构造。如果 Dataframe 包含既是数字又是对象的 dtype，则通常情况下，数字类型旨在直接用作模型的输入。但是，对象类型在回归中没有价值，除非转换为虚拟变量。因此，如果有人将具有三种数字类型和一种对象类型的 DataFrame 传递给 get_dummies，则一种对象类型将被转换为虚拟变量。如果列参数未指定，这只是默认行为. 如果默认行为不适合您的需要，则存在列参数，例如您不希望转换所有对象/分类 dtype 列，或者您希望转换数字 dtype 列。
潇潇雨雨
TA贡献1833条经验 获得超4个赞
该pd.get_dummies文档使这个非常清楚：
columns: 类似列表，None
要编码的 DataFrame 中的默认列名称。如果 column 为 None 则所有具有 object 或 category dtype 的列都将被转换。
因此，解决方案是指定一个columns参数，从而覆盖对列是分类/对象类型的要求，
pd.get_dummies(df, columns=['quality'])
quality_5 quality_6
0 1 0
1 1 0
2 1 0
3 0 1
4 1 0
或者，将列转换为分类列。
pd.get_dummies(df[['quality']].astype('category'))
quality_5 quality_6
0 1 0
1 1 0
2 1 0
3 0 1
4 1 0
添加回答
举报
0/150
提交
取消