如何将 pandas 的 get_dummies 转换存储在 Python 中？

Question

python中的pandas包中有get_dummies转换，将分类变量转换为值为0 / 1的二进制（标志）变量。此转换基于实际值，但我想存储转换代码，这样我就可以运行它在其他数据集上，使用更少的值，并且仍然得到完整大小的转换数据结构。

假设你有这个代码：

import pandas as pd
a = [[5,12,"blue"], [8,53,"yellow"]]
df = pd.DataFrame(a, columns=['Weight','Size','Color'])
df.apply(pd.to_numeric, errors='ignore')
df

生成此数据：

Weight  Size    Color
5       12      blue
8       53      yellow

和：

df = pd.get_dummies(df)
df

产生这个：

Weight  Size    Color_blue  Color_yellow
5       12      1           0
8       53      0           1

我想存储这个原始转换，这样如果我以后得到一个记录，比如：

[2,9,"blue"]

我仍然可以获得整个结构，例如：

Weight  Size    Color_blue  Color_yellow
2       9       1           0

Get_dummies 将在后一种情况下省略 Color_yellow 列...
最简单的解决方法是什么？

我在考虑构建我自己的 get_dummies 函数，它遍历所有分类变量，获取它们所有可能的不同值，然后生成 python 函数的代码，哪个进行转换。但是必须有一些已经实施的解决方案...

Answer 1

这就是我要找的。代码打印转换，必须在以后的数据集上完成：

import pandas as pd
import numpy as np
a = [[5,12,"blue","apple"], [8,53,"yellow","pear"], [1,8,"brown","peach"],[1,2,"blue","plum"]]
df = pd.DataFrame(a, columns=['Weight','Size','Color','Fruit'])
df.apply(pd.to_numeric, errors='ignore')

for col in df.select_dtypes(include=["object"]).columns:
    for i in df[col].unique():
       df[col+"_"+i] = np.where(df[col] == i, 1, 0)
       print('df["'+col+'_'+i+'"] = np.where(df["'+col+'"] == "'+i+'", 1, 0)')
    df = df.drop(columns=[col])
    print('df = df.drop(columns=["'+col+'"])')

如何将 pandas 的 get_dummies 转换存储在 Python 中？

How to store the get_dummies transformation of pandas in Python?

python

pandas

dummy-variable