Pandas 如何在多个DataFrame列上运行get_dummies

在本文中，我们将介绍Pandas数据框中使用get_dummies函数在多个列上进行独热编码的方法。Pandas是一个开源数据分析工具，可用于快速和简洁地处理和分析数据。

在许多情况下，数据集中的某些列包含分类数据。这意味着这些列的值是有限的，但可以具有不同的值。例如，如果您有一列名为”颜色”，值可以是”红色”、”蓝色”、”绿色”、”黄色”等。这种情况下，我们可以将该列进行独热编码，以便在机器学习、深度学习或其他统计分析场景中使用。

假设我们有以下的数据集：

import pandas as pd

df = pd.DataFrame({'Age': [22, 21, 19, 20],
                   'Gender': ['M', 'M', 'F', 'F'],
                   'Education': ['High School', 'College', 'College', 'Junior College'],
                   'Race': ['Asian', 'White', 'Asian', 'Black']})

我们的数据集看起来像这样：

Age	Gender	Education	Race
22	M	High School	Asian
21	M	College	White
19	F	College	Asian
20	F	Junior College	Black

我们希望将Education和Race这两列进行独热编码。我们可以使用get_dummies函数，如下所示：

dummy_cols = ['Education', 'Race']
df = pd.get_dummies(df, columns=dummy_cols, prefix=dummy_cols)

在此示例中，我们将要进行独热编码的列名称存储在一个名为dummy_cols的列表中，然后将该列表作为columns参数传递给get_dummies函数。prefix参数指定了新列名的前缀，以便在新列名中标识哪些列已被独热编码。

运行上述代码后，我们得到了以下数据集：

Age	Gender	Education_High School	Education_College	Education_Junior College	Race_Asian	Race_Black	Race_White
22	M	1	0	0	1	0	0
21	M	0	1	0	0	0	1
19	F	0	1	0	1	0	0
20	F	0	0	1	0	1	0

我们可以看到，原始的Education列被替换为三个新列Education_High School、Education_College和Education_Junior College，原始的Race列被替换为三个新列Race_Asian、Race_Black和Race_White。

阅读更多：Pandas 教程

备注

请注意，get_dummies函数将创建一个虚拟变量列，其中值为1或0。对于每个输入类别，get_dummies函数将创建一个新列，并将该输入类别分配给该列。请注意，如果输入列中有很多不同的类别，则输出的数据集大小可能会大大增加。不要在不同的列上重复调用get_dummies函数。

总结

在本文中，我们介绍了如何在Pandas数据框的多个列上使用get_dummies函数进行独热编码。我们还提供了一个示例代码来演示如何在数据集上应用get_dummies函数。现在您的下一个数据分析项目中，如果您需要将分类变量编码为数字变量，则应该考虑使用独热编码。要将列转换为独热编码，请使用Pandas的get_dummies函数。这个函数将创建新的列，用于表示分类变量的每个值。接下来，我们将继续探索Pandas的其他功能和应用程序，以帮助您更好地分析和理解数据。