在熊猫数据框的字符串类型列上应用 pd.get_dummies()？

Posted 2023-02-15

【中文标题】在熊猫数据框的字符串类型列上应用 pd.get_dummies()？

【英文标题】：Apply pd.get_dummies() on string type columns of pandas dataframe?

【发布时间】：2022-01-21 01:16:52

【问题描述】：

我有以下数据框：

df = pd.DataFrame('a': [6.6, -5.2, 2.1, 3.3, 1.1],
              'b': ['a', 'a', 'c', 'b', 'a'],
              'c': ['kfr', 'kfr', 'lu', 'ku', 'lu'],
              'd': ['t', 's', 's', 't', 'a'])

所有 dtypes（列 b、c、d）都是字符串类型。

如果我先调用df = df.convert_dtypes()，然后再调用pd.get_dummies()，什么都不会发生。

但是当我只在数据框的一列上调用它时，它可以工作。

为什么会这样？是bug吗？

【问题讨论】：

什么是问题？ pd.get_dummies(df) 返回包含这些列的新数据框：b_a b_b b_c c_kfr c_ku c_lu d_a d_s d_t

所以df = pd.get_dummies(df) 什么都不做？

尝试执行 df = df.convert_dtypes() 并运行 pd.get_dummies(df)

啊！现在我明白你的意思了。您绝对应该将运行 convert_dtypes 的事实添加到问题中，因为这会有所不同。

所以在你运行convert_dtypes之前，字符串列是dtype('O')。之后，他们是string[python]。

【参考方案1】：

经过一番调查，我不知道为什么会发生这种情况，尤其是因为它适用于单列。我猜这是一个错误，因为其中似乎有不少以 pd.NA 类型为中心（convert_dtypes 支持。）

我建议在https://github.com/pandas/pandas-dev 打开错误报告。