pd.get_dummies()与pd.factorize()详解

最新推荐文章于 2024-01-08 11:19:02 发布

原创

最新推荐文章于 2024-01-08 11:19:02 发布 · 714 阅读

3 ·

CC 4.0 BY-SA版权

本文详细介绍了pandas中的get_dummies()和factorize()两个函数，用于处理离散特征的编码。get_dummies()主要用于one-hot编码，将类别变量转换为指示列；factorize()则将对象编码为枚举类型，相同值映射为同一数字。文中通过实例展示了这两个函数的用法和参数设置，包括如何处理缺失值和指定列的编码，并对比了两者的区别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

pandas.get_dummies
（将类别变量转换为one-hot编码，使用pandas方法实现，相当于sklearn的one-hot编码）

离散特征的编码分为两种情况：
1、离散特征的取值之间没有大小的意义，比如color：[red,blue],那么就使用one-hot编码

2、离散特征的取值有大小的意义，比如size:[X,XL,XXL],那么就使用数值的映射{X:1,XL:2,XXL:3}

使用pandas可以很方便的对离散型特征进行one-hot编码

官方文档
pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)[source]

data：可以是数组类型，Series类型，DataFrame类型

prefix：可以字符串，字符串列表，或字符串的字典类型，默认为None。将data的列名映射到prefix的字符串或者字典；

drop_first:布尔型，默认为False，指是否删除第一列

import pandas as pd
import numpy as np

s=pd.Series(list('abca'))
s0=pd.get_dummies(s)
print(s)
print(s0)
'''
0 a
1 b
2 c
3 a
dtype: object
a  b  c
0  1  0  0
1  0  1  0
2  0  0  1
3  1  0  0
'''

s1=['a','b',np.nan]
print(s1)
print(pd.get_dummies(s1))
print(pd.get_dummies(s1,dummy_na=True))
'''
['a', 'b', nan]
a  b
0  1  0
1  0  1
2  0  0
a  b  Na