python 分类变量转为哑变量_Python中的虚拟变量(dummyvariables)

虚拟变量(dummy variables)

虚拟变量，也叫哑变量和离散特征编码，可用来表示分类变量、非数量因素可能产生的影响。

① 离散特征的取值之间有大小的意义

例如：尺寸(L、XL、XXL)

离散特征的取值有大小意义的处理函数map

pandas.Series.map(dict)

参数 dict:映射的字典

② 离散特征的取值之间没有大小的意义

pandas.get_dummies

例如：颜色(Red,Blue,Green)

处理函数：

get_dummies(data,prefix=None,prefix_sep="_",dummy_na=False,columns=None,drop_first=False)

① data 要处理的DataFrame

② prefix 列名的前缀，在多个列有相同的离散项时候使用

③ prefix_sep 前缀和离散值的分隔符，默认为下划线，默认即可

④ dummy_na 是否把NA值，作为一个离散值进行处理，默认为不处理

⑤ columns 要处理的列名，如果不指定该列，那么默认处理所有列

⑥ drop_first 是否从备选项中删除第一个，建模的时候为避免共线性使用# -*- coding: utf-8 -*-

import pandas

data = pandas.read_csv(

'D:PDA4.18data.csv',

encoding='utf8'

)

data['Education Level'].drop_duplicates()

"""

博士后 Post-Doc

博士 Doctorate

硕士 Master's Degree

学士 Bachelor's Degree

副学士 Associate's Degree

专业院校 Some College

职业学校 Trade School

高中 High School

小学 Grade School

"""

educationLevelDict = {

'Post-Doc': 9,

'Doctorate': 8,

'Master's Degree': 7,

'Bachelor's Degree': 6,

'Associate's Degree': 5,

'Some College': 4,

'Trade School': 3,

'High School': 2,

'Grade School': 1

}

data['Education Level Map'] = data[

'Education Level'

].map(

educationLevelDict

)

data['Gender'].drop_duplicates()

dummies = pandas.get_dummies(

data,

columns=['Gender'],

prefix=['Gender'],

prefix_sep="_",

dummy_na=False,

drop_first=False

)

dummies['Gender'] = data['Gender']