Python pandas：来自 get_dummies 的动态串联

Question

具有以下数据框：

import pandas as pd

cars = ["BMV", "Mercedes", "Audi"]
customer = ["Juan", "Pepe", "Luis"]
price = [100, 200, 300]
year = [2022, 2021, 2020]


df_raw = pd.DataFrame(list(zip(cars, customer, price, year)),\
                      columns=["cars", "customer", "price", 'year'])

我需要从分类变量 cars 和 customer 进行一次性编码，为此我对这两列使用了 get_dummies 方法。

numerical = ["price", "year"]
df_final = pd.concat([df_raw[numerical], pd.get_dummies(df_raw.cars),\
                      pd.get_dummies(df_raw.customer)], axis=1)

有没有办法以动态方式生成这些假人，比如将它们放在列表中并用 for.In 循环遍历它们这种情况看起来很简单，因为我只有 2 个，但如果我有 30 或 60 个属性，我必须一个一个地去吗？

Answer 1

一种简单的方法是连接列并使用 str.get_dummies:

cols = ['cars', 'customer']
out = df_raw.join(df_raw[cols].agg('|'.join, axis=1).str.get_dummies())

输出：

       cars customer  price  year  Audi  BMV  Juan  Luis  Mercedes  Pepe
0       BMV     Juan    100  2022     0    1     1     0         0     0
1  Mercedes     Pepe    200  2021     0    0     0     0         1     1
2      Audi     Luis    300  2020     1    0     0     1         0     0

另一种选择是melt and use crosstab:

df2 = df_raw[cols].reset_index().melt('index')
out = df_raw.join(pd.crosstab(df2['index'], df2['value']))

Answer 2

`pd.get_dummies`

pd.get_dummies(df_raw, columns=['cars', 'customer'])

   price  year  cars_Audi  cars_BMV  cars_Mercedes  customer_Juan  customer_Luis  customer_Pepe
0    100  2022          0         1              0              1              0              0
1    200  2021          0         0              1              0              0              1
2    300  2020          1         0              0              0              1              0

Python pandas：来自 get_dummies 的动态串联

Python pandas: dynamic concatenation from get_dummies

python

pandas

one-hot-encoding

`pd.get_dummies`