pandas之get_dummies
方法：pandas.get_dummies(data,prefix=None,prefix_sep="_",dummy_na=False,columns=None,sparse=False,drop_first=False)
该方法可以将类别变量转换成新增的虚拟变量/指示变量
参数说明：
-
data：array-like、Series 、 DataFrame ， 输入数据
-
prefix：string、list of strings、dict of strings ，default为None，get_dummies转换后，列名的前缀
-
columns：list-like， default为False，指定需要实现类别转换的列名
-
dummy_na：bool， default为False，增加一列表示空缺值，如果False就忽略空缺值
-
drop_first：fool，default为False ，获取K中的K-1个类别之，去除第一个
举例：
下面通过例子来进一步说明get_dummies()
1、首先构造一个数据列
1 import pandas as pd
2 s=pd.Series(list('abca'))
3
4 s_1=pd.get_dummies(s)
1、两个变量：s为Series、s_1为DataFrame
变成→
2、去除第一列
1 b=pd.get_dummies(s,drop_first=True)
得到：
3、查看dummy_na功能
创建数据
1 import numpy as np 2 s_2=["a","b",np.nan]
结果为：
1 pd.get_dummies(s_2,dummy_na=True) 2 pd.get_dummies(s_2,dummy_na=False)
结果为：
、
4、创建数据框
1 df=pd.DataFrame({ 2 "A":["a","b","a"],"B":["b","a","c"], 3 "C":[1,2,3]}) 4 pd.get_dummies(df,prefix=["col_1","col_2"])
结果为：
变为→
实例：
1 import pandas 2 3 data=pandas.read_csv( 4 "C:\Users\Jw\Desktop\python_work\Python数据挖掘实战课程课件\5.2\data1.csv", 5 encoding='utf-8') 6 7 8 dummyColumns=['症状','职业'] 9 10 for column in dummyColumns: 11 data[column]=data[column].astype('category') 12 13 14 dummiesData=pandas.get_dummies( 15 data, 16 columns=dummyColumns, 17 prefix=dummyColumns, 18 prefix_sep=' ') 19 20 dummiesData=pandas.get_dummies( 21 data, 22 columns=dummyColumns, 23 prefix=dummyColumns, 24 prefix_sep=' ', 25 drop_first=True)
构造虚拟变量
drop_first后
实例
步骤：
- 导入数据，设置虚拟变量，将虚拟变量转变为category类，(category变量)类别变量转换成新增的虚拟变量/指示变量
- 通过pandas自带的get_dummies功能，将所有分类扁平化扩张以增加列的形式实现，离散数据按照[0，1]分布。
知识点：
Categorical Type：什么是categorical Type?不知道确切的英文翻译,但是可以按照字面意思来也就是分类数据,比如皮肤的颜色,可以分为黄色,白色,黑色等等,但是这些数据的均值以及数值计算比如加减的结果是没有意义的;但是我们可以将不同的数据分为这几类,在比如人类的性别,男女也属于categorical 类别; 英文中欧冠也可以称之为Nominal Data.
1 import pandas; 2 3 data = pandas.read_csv( 4 "C:\Users\Jw\Desktop\python_work\Python数据挖掘实战课程课件\5.2\data1.csv", 5 encoding='utf8' 6 ) 7 8 dummyColumns = ['症状', '职业'] 9 10 for column in dummyColumns: 11 data[column]=data[column].astype('category') 12 13 dummiesData = pandas.get_dummies( #调用get_dummyColumns方法进行不可比较大小虚拟变量的转换 14 data, 15 columns=dummyColumns, 16 prefix=dummyColumns, 17 prefix_sep=" " 18 ) 19 20 dummiesData = pandas.get_dummies( 21 data, 22 columns=dummyColumns, 23 prefix=dummyColumns, 24 prefix_sep=" ", 25 drop_first=True 26 )
1 #伯努利贝叶斯 2 from sklearn.naive_bayes import BernoulliNB 3 BNBModel = BernoulliNB() 4 5 fNames = ['症状 打喷嚏', '职业 建筑工人', '职业 护士', '职业 教师'] 6 tData = dummiesData['疾病'] 7 fData = dummiesData[fNames] 8 9 BNBModel.fit(fData, tData)
上述代码：建模，构造伯努利方程，设置自变量和因变量，训练变量，得到训练集
1 #病症是打喷嚏的建筑工人 2 newData = pandas.DataFrame({ 3 '症状':['打喷嚏'], 4 '职业':['建筑工人'] 5 }) 6 7 for column in dummyColumns: 8 newData[column] = newData[column].astype( 9 'category', 10 categories=data[column].cat.categories 11 ) 12 13 dummiesNewData = pandas.get_dummies( 14 newData, 15 columns=dummyColumns, 16 prefix=dummyColumns, 17 prefix_sep=" ", 18 drop_first=True 19 ) 20 21 pData = dummiesNewData[fNames] 22 BNBModel.predict(pData)
训练：
1 #病症是打喷嚏的建筑工人 2 newData=pandas.DataFrame({ 3 '症状':['打喷嚏'], 4 '职业':['建筑工人']}) 5 6 for column in dummyColumns: 7 newData[column]=newData[column].astype( 8 'category', 9 categories=data[column].cat.categories 10 ) 11 12 dummiesNewData=pandas.get_dummies( 13 newData, 14 columns=dummyColumns, 15 prefix=dummyColumns, 16 prefix_sep=' ', 17 drop_first=True) 18 19 pData=dummiesNewData[fNames] 20 BNBModel.predict(pData)