我有一个包含大量分类列的 Pandas 数据框,我希望将其传递给 scikit-learn。由于 scikit-learn 只接受数组作为参数,我需要将所有分类列转换为虚拟变量。例如,我有一个宗教列,类别为“基督教”、“穆斯林”和“印度教”,应根据这些值将其转换为三个虚拟变量,这些变量设置为 0 或 1。
我发现的最佳解决方案是将数据帧拆分为分类变量和非分类变量,然后对所有分类变量使用 pandas.get_dummies,然后重新组合。
有没有更快的方法来做到这一点?
请您参考如下方法:
您可以获取数据框 (df) 并将其与要转换的列列表一起传递给 get_dummies() 调用。
假设您有一个包含许多列的 df,并且您希望仅从“宗教”列创建虚拟变量。
df = pd.DataFrame({'Name': ['Adam', 'Brad', 'Charlie', 'David','Eric'],
'Religion': ['Christian', 'Hindu', 'Muslim','Hindu','Christian'],
'Age': [28, 25, 35, 24, 39,],
'State':['CA','CA','AZ','NV','OR']})
这是 df 的样子:
Age Name Religion State
0 28 Adam Christian CA
1 25 Brad Hindu CA
2 35 Charlie Muslim AZ
3 24 David Hindu NV
4 39 Eric Christian OR
创建“宗教”列的虚拟变量:
df = pd.get_dummies(df, columns=['Religion'])
输出:
Age Name State Religion_Christian Religion_Hindu Religion_Muslim
0 28 Adam CA 1 0 0
1 25 Brad CA 0 1 0
2 35 Charlie AZ 0 0 1
3 24 David NV 0 1 0
4 39 Eric OR 1 0 0
