Pandas 具有确定性顺序的单热编码

Question

假设我在 DataFrame 中有一个分类列（例如工作日）。我想将它编码为单热编码。我正在使用 pandas.get_dummies() 来执行此操作。但我看不出如何使订单确定的方法。例如，我有这两个数据框

df1 = pd.DataFrame({'visitors':[220, 240, 180, 210, 220, 260, 270], 'weekday': ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']})
df2 = pd.DataFrame({'visitors':[240, 180, 210, 220, 260, 270, 220], 'weekday': ['Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun', 'Mon']})

如果我对两者都调用 get_dummies()，我会得到两种不同的编码。我可以看到，因为顺序不同。但是有没有办法，无论值是如何进来的，我如何才能让任何 DataFrame 具有相同的编码？例如：Mon=1000000、Tue=0100000、等等？

pd.get_dummies(df1['weekday'])
pd.get_dummies(df2['weekday'])

Answer 1

get_dummies的行为是一致的。您看到差异是因为 visitors 的位置发生了变化。

print(df1)
print(pd.get_dummies(df1['weekday']))

print()

print(df2)
print(pd.get_dummies(df2['weekday']))

这是输出：

   visitors weekday
0       220     Mon
1       240     Tue
2       180     Wed
3       210     Thu
4       220     Fri
5       260     Sat
6       270     Sun
   Fri  Mon  Sat  Sun  Thu  Tue  Wed
0    0    1    0    0    0    0    0
1    0    0    0    0    0    1    0
2    0    0    0    0    0    0    1
3    0    0    0    0    1    0    0
4    1    0    0    0    0    0    0
5    0    0    1    0    0    0    0
6    0    0    0    1    0    0    0

   visitors weekday
0       240     Tue
1       180     Wed
2       210     Thu
3       220     Fri
4       260     Sat
5       270     Sun
6       220     Mon
   Fri  Mon  Sat  Sun  Thu  Tue  Wed
0    0    0    0    0    0    1    0
1    0    0    0    0    0    0    1
2    0    0    0    0    1    0    0
3    1    0    0    0    0    0    0
4    0    0    1    0    0    0    0
5    0    0    0    1    0    0    0
6    0    1    0    0    0    0    0

Pandas 具有确定性顺序的单热编码

Pandas One-Hot-Encoding with deterministic order

python

pandas

one-hot-encoding