Python Pandas - метод get_dummies ()
pandas.get_dummies () используется для манипулирования данными. Он преобразует категориальные данные в фиктивные или индикаторные переменные.
syntax: pandas.get_dummies(data, prefix=None, prefix_sep=’_’, dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)
Parameters:
- data: whose data is to be manipulated.
- prefix: String to append DataFrame column names. Pass a list with length equal to the number of columns when calling get_dummies on a DataFrame. Default value is None.
- prefix_sep: Separator/delimiter to use if appending any prefix. Default is ‘_’
- dummy_na: It adds a column to indicate NaN values, default value is false, If false NaNs are ignored.
- columns: Column names in the DataFrame that needs to be encoded. Default value is None, If columns is None then all the columns with object or category dtype will be converted.
- sparse: It specify whether the dummy-encoded columns should be backed by a SparseArray (True) or a regular NumPy array (False). default value is False.
- drop_first: Remove first level to get k-1 dummies out of k categorical levels.
- dtype: Data type for new columns. Only a single dtype is allowed. Default value is np.uint8.
Returns: Dataframe (Dummy-coded data)
Пример 1:
Python3
import pandas as pdcon = pd.Series(list("abcba"))print(pd.get_dummies(con)) |
Выход:
Выход
Example 2:
Python
import pandas as pdimport numpy as np# listli = ["s", "a", "t", np.nan]print(pd.get_dummies(li)) |
Выход:
Столбец Nan отсутствует, так как dummy_na по умолчанию имеет значение False
Example 3: (To get NaN column)
Python
import pandas as pdimport numpy as np# listli = ["s", "a", "t", np.nan]print(pd.get_dummies(li, dummy_na=True)) |
Выход:
Example 4:
Python3
import pandas as pdimport numpy as np# dictionarydiff = pd.DataFrame({"R": ["a", "c", "d"], "T": ["d", "a", "c"], "S_": [1, 2, 3]})print(pd.get_dummies(diff, prefix=["column1", "column2"])) |
Выход:
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.