代码之家 › 专栏 › 技术社区 › Swastik Bhattacharyya

如何在同一类别类型的多列上运行get_dummies()函数?

one-hot-encoding dataframe pandas python

Swastik Bhattacharyya · 技术社区 · 1 年前

我有DataFrame的功能,(比方说)看起来像这样:

症状A	症状B
瘙痒	皮疹
皮疹	瘙痒

当我在这个数据帧上运行get_dummies函数时,它将创建四列,名为 'Symptom_A_Itching', 'Symptom_A_Rash', 'Symptom_B_Rash', 'Symptom_B_Itching' 。我不想单独处理这两个值,因为它是用这个函数完成的。

有没有任何方法可以对这个数据帧执行一个热编码,其中这两列的值不会被单独处理。

基本上,我想得到一个带有列的DataFrame 'Symptom_Itching', 'Symptom_Rash' 。

我尝试在get_dummies函数中使用列和前缀参数,但没有产生任何结果。我还尝试将所有症状列名称设置为 'Symptom' 而不是 'Symptom_A', 'Symptom_B' ,但这也不起作用。

这是我的代码:

data_frame: DataFrame = read_csv('dataset.csv')
features: DataFrame = data_frame.iloc[:, 1:]
features.fillna('')
x: DataFrame = get_dummies(features)

2 回复 | 直到 1 年前

mozway 1 年前

stack 然后 get_dummies 和 groupby.max() :

out = (df
   .stack().str.get_dummies()
   .groupby(level=0).max()
 )

或者使用技巧获取具有相同名称和 groupby.max() 在…上 axis=1 :

out = (pd.get_dummies(df.rename(columns=lambda x: ''), prefix_sep='')
         .groupby(level=0, axis=1).max()
       )

输出:

   Itching  Rash
0        1     1
1        1     1

R__i_ 1 年前

您可以使用 pandas.DataFrame.drop 删除列。根据文件:

pandas.DataFrame.drop

从行或列中删除指定的标签。

通过指定标签名称和相应的删除行或列轴,或者通过直接指定索引或列名。当使用多索引,可以通过指定水平。

对于给定的示例,您可以尝试(您需要适应这种csv解析方法):

import pandas as pd

df = pd.DataFrame(
    {   
        'SymptomA': ['Itching', 'Rash'],
        'SymptomB': ['Rash', 'Itching']
    })
df_onehot = pd.get_dummies(df['SymptomA'])
df = df.drop('SymptomA', axis=1)
df = df.drop('SymptomB', axis=1)
df = df.join(df_onehot)
print(df)

# Output:

#    Itching   Rash
# 0     True  False
# 1    False   True

推荐文章