pandas pd.from_dummies() 独热编码还原分类变量
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: gairuo123（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》。
pandas.from_dummies 函数用于将独热编码（One-Hot Encoding）还原为原始的分类变量。独热编码是一种将分类变量转换为多个二进制列的编码方式，而 from_dummies 则可以将这些二进制列重新合并为原始的分类变量。
函数签名
从虚拟变量的DataFrame创建分类DataFrame。是 get_dummies() 的反向操作。
pandas.from_dummies(data, sep=None, default_category=None)
传递的虚拟数据的列应仅包含1和0，或布尔值。
参数解释
data (pandas.DataFrame):
- 独热编码后的数据集，必须是一个 Pandas DataFrame 对象。
sep (str, optional):
- 用于分割列名的分隔符。通常，独热编码的列名是由原始类别名称和对应值通过某种分隔符连接生成的。默认情况下，该参数为
None，即自动检测列名的分隔符。
- 用于分割列名的分隔符。通常，独热编码的列名是由原始类别名称和对应值通过某种分隔符连接生成的。默认情况下，该参数为
default_category (str, optional):
- 如果某些行中所有可能的分类都为 0，则返回此参数指定的默认类别。默认值为
None，即没有默认类别。
- 如果某些行中所有可能的分类都为 0，则返回此参数指定的默认类别。默认值为
返回值
- pandas.Series:
- 返回一个包含原始分类变量的 Pandas Series。
使用场景
pandas.from_dummies 主要用于将经过独热编码的数据还原为原始的分类变量。例如，当你使用机器学习算法时，通常会对分类变量进行独热编码。但在一些情况下，例如在解释模型输出或需要对数据进行还原处理时，你可能需要将这些编码列还原为原始的分类变量。
讲解
df = pd.DataFrame({"a": [1, 0, 0, 1], "b": [0, 1, 0, 0],
"c": [0, 0, 1, 0]})
df
'''
a b c
0 1 0 0
1 0 1 0
2 0 0 1
3 1 0 0
'''
pd.from_dummies(df)
'''
0 a
1 b
2 c
3 a
'''
df = pd.DataFrame({"col1_a": [1, 0, 1], "col1_b": [0, 1, 0],
"col2_a": [0, 1, 0], "col2_b": [1, 0, 0],
"col2_c": [0, 0, 1]})
df
'''
col1_a col1_b col2_a col2_b col2_c
0 1 0 0 1 0
1 0 1 1 0 0
2 1 0 0 0 1
'''
pd.from_dummies(df, sep="_")
'''
col1 col2
0 a b
1 b a
2 a c
'''
df = pd.DataFrame({"col1_a": [1, 0, 0], "col1_b": [0, 1, 0],
"col2_a": [0, 1, 0], "col2_b": [1, 0, 0],
"col2_c": [0, 0, 0]})
df
'''
col1_a col1_b col2_a col2_b col2_c
0 1 0 0 1 0
1 0 1 1 0 0
2 0 0 0 0 0
'''
pd.from_dummies(df, sep="_", default_category={"col1": "d", "col2": "e"})
'''
col1 col2
0 a b
1 b a
2 d e
'''
示例讲解
1. 基本示例
假设我们有一个 DataFrame，其中包含某个变量的独热编码结果。我们希望将其还原为原始的分类变量。
import pandas as pd
# 构造独热编码后的数据
data = pd.DataFrame({
'color_red': [1, 0, 0],
'color_blue': [0, 1, 0],
'color_green': [0, 0, 1]
})
# 显示独热编码后的数据
print("独热编码后的数据:")
print(data)
# 使用 from_dummies 函数还原为原始的分类变量
original = pd.from_dummies(data)
# 输出还原后的结果
print("\n还原后的数据:")
print(original)
输出结果：
独热编码后的数据:
color_red color_blue color_green
0 1 0 0
1 0 1 0
2 0 0 1
还原后的数据:
0 red
1 blue
2 green
dtype: object
2. 使用 sep 参数
如果列名中的类别和前缀是通过某个特定的分隔符（如 _）连接的，我们可以指定 sep 参数进行正确的还原。
# 构造使用分隔符的独热编码数据
data_with_sep = pd.DataFrame({
'type_A': [1, 0, 0],
'type_B': [0, 1, 0],
'type_C': [0, 0, 1]
})
# 使用 from_dummies 函数还原数据并指定分隔符
original_with_sep = pd.from_dummies(data_with_sep, sep='_')
# 输出还原后的结果
print("\n使用分隔符还原后的数据:")
print(original_with_sep)
输出结果：
使用分隔符还原后的数据:
0 A
1 B
2 C
dtype: object
3. 使用 default_category 参数
当某些行中所有独热编码的值都为 0 时，可以使用 default_category 参数指定默认类别。
# 构造包含零向量的独热编码数据
data_with_zeros = pd.DataFrame({
'item_A': [1, 0, 0],
'item_B': [0, 0, 0],
'item_C': [0, 1, 0]
})
# 使用 from_dummies 函数还原数据并指定默认类别
original_with_default = pd.from_dummies(data_with_zeros, default_category='Unknown')
# 输出还原后的结果
print("\n使用默认类别还原后的数据:")
print(original_with_default)
输出结果：
使用默认类别还原后的数据:
0 A
1 Unknown
2 C
dtype: object
总结
pandas.from_dummies 是一个非常有用的工具，特别是在处理机器学习模型中的独热编码数据时。通过掌握这个函数的使用，可以有效地进行编码与解码转换，保持数据的一致性和可读性。
参考
- https://pandas.pydata.org/docs/reference/api/pandas.from_dummies.html
更新时间：2024-08-14 08:12:09 标签：pandas python 独热编码
