特征提取pd.get_dummies() 详解（One-Hot Encoding）

Posted 2021-12-18 ZSYL

pd.get_dummies 详解

• Pandas.get_dummies 用法简单介绍
• 主要参数介绍
• • data
  • prefix
  • prefix_sep
  • 其他参数（Parameters）
• Pandas.get_dummies 的用法
• 可以对指定列进行get_dummies
• 将指定列进行get_dummies 后合并到元数据中

Pandas.get_dummies 用法简单介绍

Pandas 中的 get_dummies 方法主要用于对类别型特征做 One-Hot 编码（独热编码）。

pandas.get_dummies(data, prefix=None, prefix_sep=’_’, 
			dummy_na=False, columns=None, 
			sparse=False, drop_first=False, dtype=None)

参数说明：

• data : array-like, Series, or DataFrame 输入的数据

• prefix : string, list of strings, or dict of strings, default None。get_dummies转换后，列名的前缀

• columns : list-like, default None。指定需要实现类别转换的列名

• dummy_na : bool, default False，增加一列表示空缺值，如果False就忽略空缺值

• drop_first : bool, default False，获得k中的k-1个类别值，去除第一个。

更多请参考：Link

主要参数介绍

data

data : array-like, Series, or DataFrame

传入的 data 为需要进行 One-Hot 编码的数据，包括 array-like, Series, or DataFrame 等类型数据。

对于类别型（category）特征，使用get_dummies()，结果如下：

import pandas as pd

df = pd.DataFrame('gender':['m','f','m','f','m','f','n'])
df_onehot = pd.get_dummies(df)
df_onehot

	gender_f	gender_m	gender_n
0	0	1	0
1	1	0	0
2	0	1	0
3	1	0	0
4	0	1	0
5	1	0	0
6	0	0	1

若DataFrame中有数值型特征(columns)，数值型column则保留原始值，如下例的 id 列：

data_df = pd.DataFrame('id':[1,2,3,4,5,6,7],'gender':['m','f','m','f','m','f','n'])
df_onehot = pd.get_dummies(data_df)
df_onehot 

	id	gender_f	gender_m	gender_n
0	1	0	1	0
1	2	1	0	0
2	3	0	1	0
3	4	1	0	0
4	5	0	1	0
5	6	1	0	0
6	7	0	0	1

• 上面两个简单的例子不难发现，经过 get_dummies() 编码后新生成的列，列名为 “原列名_类别”，例如 " gender_f "。
• 当然，新列的命名方式也是可以自定义的。
• 如下，设置 prefix 即可：

prefix

prefix: string, list of strings, or dict of strings, default None

用于附加DataFrame列名的字符串。
在DataFrame上调用get_dummies时，传递长度等于列数的列表。或者，前缀可以是将列名映射到前缀的字典。

data_df = pd.DataFrame('id':[1,2,3,4,5,6,7],'gender':['m','f','m','f','m','f','n'])
df_onehot = pd.get_dummies(data_df, prefix ='gen')
df_onehot 

	id	gen_f	gen_m	gen_n
0	1	0	1	0
1	2	1	0	0
2	3	0	1	0
3	4	1	0	0
4	5	0	1	0
5	6	1	0	0
6	7	0	0	1

当然，不只是前缀可以做更改，分隔符也可以自己设置，如下，设置 prefix_sep 即可。

prefix_sep

prefix_sep: string, default ‘_’

如果附加前缀，则使用分隔符/分隔符。或作为前缀传递列表或字典。

data_df = pd.DataFrame('id':[1,2,3,4,5,6,7],'gender':['m','f','m','f','m','f','n'])
df_onehot = pd.get_dummies(data_df, prefix ='gen', prefix_sep = '/')
df_onehot 

	id	gen/f	gen/m	gen/n
0	1	0	1	0
1	2	1	0	0
2	3	0	1	0
3	4	1	0	0
4	5	0	1	0
5	6	1	0	0
6	7	0	0	1

其他参数（Parameters）

• dummy_na: bool, default False
    如果忽略False NaNs，则添加一列来指示NaNs。
• columns: list-like, default None
    要编码的DataFrame中的列名称。 如果列为None，则将转换具有object或category dtype的所有列。
• abs sparse: bool, default False
    是否应该使用SparseArray (True)或常规NumPy数组(False)来支持用dummy编码的列。
• drop_first: bool, default False
    Whether to get k-1 dummies out of k categorical levels by removing the first level.
    New in version 0.18.0.
• dtype: dtype, default np.uint8
    Data type for new columns. Only a single dtype is allowed.
    New in version 0.23.0.

Pandas.get_dummies 的用法

import pandas as pd

df = pd.DataFrame([  
            ['green' , 'A'],   
            ['red'   , 'B'],   
            ['blue'  , 'A']])  

df.columns = ['color',  'class'] 
pd.get_dummies(df) 

	color_blue	color_green	color_red	class_A	class_B
0	0	1	0	1	0
1	0	0	1	0	1
2	1	0	0	1	0

可以对指定列进行get_dummies

pd.get_dummies(df.color)

	blue	green	red
0	0	1	0
1	0	0	1
2	1	0	0

将指定列进行get_dummies 后合并到元数据中

df.join(pd.get_dummies(df.color))

	color	class	blue	green	red
0	green	A	0	1	0
1	red	B	0	0	1
2	blue	A	1	0	0

参考： Link

---

加油!

感谢!

努力!