pandas 用虚拟变量表示所在班级

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在机器学习和数据分析中，我们经常需要处理分类变量。但很多算法只能处理数值数据，这时就需要将分类变量转换为数值形式。pd.get_dummies() 是Pandas中专门用于此任务的利器，能够快速将分类变量转换为虚拟变量（哑变量）。本文将通过一个简单示例，带你掌握这个函数的核心用法。

数据与需求

假设我们有一份学生数据集，包含姓名和所在班级信息：

import pandas as pd

data = {
    '姓名': ['张三', '李四', '王五', '赵六'],
    '班级': ['A班', 'B班', 'A班', 'C班']
}
df = pd.DataFrame(data)

print("原始数据：")
print(df)

运行结果：

   姓名  班级
0  张三  A班
1  李四  B班
2  王五  A班
3  赵六  C班

需求： 将"班级"这一列分类数据转换为虚拟变量形式，每个班级作为单独的列，用0和1表示学生是否属于该班级。

期望结果：

   姓名  A班  B班  C班
0  张三   1   0   0
1  李四   0   1   0
2  王五   1   0   0
3  赵六   0   0   1

思路

使用pd.get_dummies()函数可以直接实现这个需求。该函数会自动识别"班级"列中的所有唯一值（A班、B班、C班），并为每个值创建新的列。然后根据原始数据中每条记录的实际值，在新列中填充1（属于该班级）或0（不属于该班级）。

参考代码

代码如下：

pd.concat(
    [df.姓名,
     pd.get_dummies(df['班级']).astype(int)
     ],
    axis=1
    )
'''
   姓名  A班  B班  C班
0  张三   1   0   0
1  李四   0   1   0
2  王五   1   0   0
3  赵六   0   0   1
'''

代码分析：

pd.get_dummies(df['班级'])：核心函数，将"班级"列转换为虚拟变量，生成一个包含A班、B班、C班三列的新DataFrame
pd.concat(..., axis=1)：将原始的"姓名"列与新生成的虚拟变量列按列方向拼接
整个过程简洁明了，不需要复杂的循环或条件判断

补充说明：

如果希望列名更规范，可以添加前缀：pd.get_dummies(df['班级'], prefix='班级')
默认生成的是整数类型，可以通过dtype参数指定其他数据类型
对于未知类别，可以使用drop_first=True参数避免多重共线性问题

这种方法适用于任何分类变量的转换，是数据预处理中的常用技巧。

（完）

pandas 用虚拟变量表示所在班级

数据与需求

思路

参考代码

相关内容