首页 文章

pandas.DataFrame和pandas.Series对象对pandas.get_dummies（）的行为有所不同

提问于
浏览 次
0

我有一个名为train的 dataframe ，列'quality' .

>>>train['quality'].unique()
array([5, 6, 7, 4, 8, 3], dtype=int64)

现在 get_dummies 与 train[['quality']] 给出

>>>pd.get_dummies(train[['quality']]).head()

    quality
0   5
1   5
2   5
3   6
4   5

但是 train['quality']

>>>pd.get_dummies(train['quality']).head()

    3   4   5   6   7   8
0   0   0   1   0   0   0
1   0   0   1   0   0   0
2   0   0   1   0   0   0
3   0   0   0   1   0   0
4   0   0   1   0   0   0

train[['quality']] 和 train['quality'] 的数据类型是： -

>>>print(type(train['quality']))
<class 'pandas.core.series.Series'>
>>>print(type(train[['quality']]))
<class 'pandas.core.frame.DataFrame'>

get_dummies() doc说明： data : array-like, Series, or DataFrame

因此，如果我可以同时提供系列或 DataFrame 那么为什么输出会有所不同？

python python-3.x pandas

2 回答

  • 1

    pd.get_dummies documentation非常清楚：

    columns：list-like，default无要编码的DataFrame中的列名 . 如果列为None，则将转换具有对象或类别dtype的所有列 .

    因此，解决方案是指定 columns 参数，从而覆盖列开始为分类/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 .

    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
    回复于
  • 1

    需要将数据转换为分类类型才能使get_dummies正常工作 . 如果传入系列，则会自动进行转换 . 如文档和coldspeed中所述，如果传入DataFrame，则所有对象或类别dtypes（这些数据类型的系列）都将转换为分类，并将生成虚拟列 . 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，因此不会返回虚拟列并返回原始DataFrame . 大熊猫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，因为这会强制将整数列转换为分类，然后返回虚拟列 .

    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包含同时包含数字和对象的dtypes，则通常会将数字类型直接用作模型的输入 . 但是，除非转换为虚拟变量，否则对象类型在回归中没有值 . 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，则一种对象类型将转换为虚拟变量 . 如果未指定columns参数，则这只是默认行为 . 如果默认行为不符合您的需要，则存在columns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 .

    回复于

相关问题