多列pandas get_dummies

  • Z时代
  • 2024-01-10
  • 分类：问答

我有一个包含多个列的数据集，我希望对其进行一次热编码。但是，我不想为每个编码都有编码，因为所说的列与所说的项目有关。我想要的是一组使用所有列的虚拟变量。请参阅我的代码以获得更好的解释。

假设我的数据框如下所示：

In [103]: dum = pd.DataFrame({'ch1': ['A', 'C', 'A'], 'ch2': ['B', 'G', 'F'], 'ch3': ['C', 'D', 'E']})
In [104]: dum
Out[104]:
 ch1 ch2 ch3
0   A   B   C
1   C   G   D
2   A   F   E

如果我执行

pd.get_dummies(dum)

输出将是

   ch1_A  ch1_C  ch2_B  ch2_F  ch2_G  ch3_C  ch3_D  ch3_E
 0      1      0      1      0      0      1      0      0
 1      0      1      0      0      1      0      1      0
 2      1      0      0      1      0      0      0      1

但是，我想获得的是这样的东西：

 A B C D E F G
 1 1 1 0 0 0 0
 0 0 1 1 0 0 1
 1 0 0 0 1 1 0

代替具有表示编码，例如多列的ch1_A和ch1_C，我只希望有一组（A，B，等等）与值1时任何在列中的值的ch1，ch2，ch3显示出来。

需要说明的是，在我的原始数据集中，单行不会多次包含相同的值（A，B，C …）；它只会出现在其中一列上。

回答：

使用stack和str.get_dummies

dum.stack().str.get_dummies().sum(level=0)
Out[938]: 
   A  B  C  D  E  F  G
0  1  1  1  0  0  0  0
1  0  0  1  1  0  0  1
2  1  0  0  0  1  1  0

以上是 多列pandas get_dummies 的全部内容， 来源链接： utcz.com/qa/416011.html

回到顶部