Come si può eseguire in modo idiomatico una funzione come get_dummies
, che si aspetta una singola colonna e restituisce diversi, su più colonne DataFrame?Esecuzione get_dummies su più colonne DataFrame?
risposta
Dal panda versione 0.15.0, pd.get_dummies
in grado di gestire un dataframe direttamente (prima di questo, è in grado di gestire una sola serie, e vedere sotto per la soluzione):
In [1]: df = DataFrame({'A': ['a', 'b', 'a'], 'B': ['c', 'c', 'b'],
...: 'C': [1, 2, 3]})
In [2]: df
Out[2]:
A B C
0 a c 1
1 b c 2
2 a b 3
In [3]: pd.get_dummies(df)
Out[3]:
C A_a A_b B_b B_c
0 1 1 0 0 1
1 2 0 1 0 1
2 3 1 0 1 0
Soluzione per i panda < 0.15.0
è possibile farlo per ogni separato colonna e poi concat i risultati:
In [111]: df
Out[111]:
A B
0 a x
1 a y
2 b z
3 b x
4 c x
5 a y
6 b y
7 c z
In [112]: pd.concat([pd.get_dummies(df[col]) for col in df], axis=1, keys=df.columns)
Out[112]:
A B
a b c x y z
0 1 0 0 1 0 0
1 1 0 0 0 1 0
2 0 1 0 0 0 1
3 0 1 0 1 0 0
4 0 0 1 1 0 0
5 1 0 0 0 1 0
6 0 1 0 0 1 0
7 0 0 1 0 0 1
Se non si desidera la colonna con più indici, rimuovere lo keys=..
dalla chiamata della funzione concat.
Bello, mi piace la colonna multi-indice. – chrisb
Qualcuno può avere qualcosa di più intelligente, ma qui ci sono due approcci. Supponendo che tu abbia un dataframe con il nome df
con le colonne "Nome" e "Anno" per cui vuoi i manichini.
Innanzitutto, semplicemente scorrendo sulle colonne non è male:
In [93]: for column in ['Name', 'Year']:
...: dummies = pd.get_dummies(df[column])
...: df[dummies.columns] = dummies
Un'altra idea sarebbe quella di utilizzare il pacchetto patsy, che è progettato per costruire matrici di dati da formule R-type.
In [94]: patsy.dmatrix(' ~ C(Name) + C(Year)', df, return_type="dataframe")
A meno che io non capisco la domanda, che è supportato in modo nativo in get_dummies passando l'argomento colonne.
Con panda 0,19, è possibile farlo in una sola riga:
pd.get_dummies(data=df, columns=['A', 'B'])
Columns
specifica dove poter fare l'Hot codifica One.
>>> df
A B C
0 a c 1
1 b c 2
2 a b 3
>>> pd.get_dummies(data=df, columns=['A', 'B'])
C A_a A_b B_b B_c
0 1 1.0 0.0 0.0 1.0
1 2 0.0 1.0 0.0 1.0
2 3 1.0 0.0 1.0 0.0
Puoi fare un esempio? Quale risultato hai in mente? – joris