pandas之get_dummies

方法：pandas.get_dummies(data,prefix=None,prefix_sep="_",dummy_na=False,columns=None,sparse=False,drop_first=False)

該方法可以將類別變量轉換成新增的虛擬變量/指示變量

參數說明：

• data：array-like、Series 、 DataFrame ， 輸入數據

• prefix：string、list of strings、dict of strings ，default為None，get_dummies轉換後，列名的前綴

• columns：list-like， default為False，指定需要實現類別轉換的列名

• dummy_na：bool， default為False，增加一列表示空缺值，如果False就忽略空缺值

• drop_first：fool，default為False ，獲取K中的K-1個類別之，去除第一個

舉例：

下面通過例子來進一步說明get_dummies()

1、首先構造一個數據列

1 import pandas as pd
2 s=pd.Series(list(‘abca‘))
3 
4 s_1=pd.get_dummies(s)

1、兩個變量：s為Series、s_1為DataFrame

變成→

2、去除第一列

1 b=pd.get_dummies(s,drop_first=True)

得到：

3、查看dummy_na功能

創建數據

1 import numpy as np
2 s_2=["a","b",np.nan]

結果為：

1 pd.get_dummies(s_2,dummy_na=True)
2 pd.get_dummies(s_2,dummy_na=False)

結果為：

、

4、創建數據框

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
 
"])      

結果為：

變為→

實例：

 1 import pandas
 2 
 3 data=pandas.read_csv(
 4         "C:\\Users\\Jw\\Desktop\\python_work\\Python數據挖掘實戰課程課件\\5.2\\data1.csv",
 5         encoding=‘utf-8‘)
 6 
 7 
 8 dummyColumns=[‘癥狀‘,‘職業‘]
 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)

構造虛擬變量

drop_first後

實例

步驟：

• 　導入數據，設置虛擬變量，將虛擬變量轉變為category類，(category變量)類別變量轉換成新增的虛擬變量/指示變量
• 通過pandas自帶的get_dummies功能，將所有分類扁平化擴張以增加列的形式實現，離散數據按照[0，1]分布。

　　知識點：

Categorical Type：什麽是categorical Type?不知道確切的英文翻譯,但是可以按照字面意思來也就是分類數據,比如皮膚的顏色,可以分為黃色,白色,黑色等等,但是這些數據的均值以及數值計算比如加減的結果是沒有意義的;但是我們可以將不同的數據分為這幾類,在比如人類的性別,男女也屬於categorical 類別; 英文中歐冠也可以稱之為Nominal Data.

 1 import pandas;
 2 
 3 data = pandas.read_csv(
 4     "C:\\Users\\Jw\\Desktop\\python_work\\Python數據挖掘實戰課程課件\\5.2\\data1.csv",
 5     encoding=‘utf8‘
 6 )
 7 
 8 dummyColumns = [‘癥狀‘, ‘職業‘]
 9 
10 for column in dummyColumns:
11     data[column]=data[column].astype(‘category‘)
12 
13 dummiesData = pandas.get_dummies(  #調用get_dummyColumns方法進行不可比較大小虛擬變量的轉換
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 #伯努利貝葉斯
2 from sklearn.naive_bayes import BernoulliNB
3 BNBModel = BernoulliNB()
4 
5 fNames = [‘癥狀 打噴嚏‘, ‘職業 建築工人‘, ‘職業 護士‘, ‘職業 教師‘]
6 tData = dummiesData[‘疾病‘]
7 fData = dummiesData[fNames]
8 
9 BNBModel.fit(fData, tData)

上述代碼：建模，構造伯努利方程，設置自變量和因變量，訓練變量，得到訓練集

 1 #病癥是打噴嚏的建築工人
 2 newData = pandas.DataFrame({
 3     ‘癥狀‘:[‘打噴嚏‘],
 4     ‘職業‘:[‘建築工人‘]
 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)

訓練：

 1 #病癥是打噴嚏的建築工人
 2 newData=pandas.DataFrame({
 3         ‘癥狀‘:[‘打噴嚏‘],
 4         ‘職業‘:[‘建築工人‘]})
 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)

Python數據挖掘—回歸—貝葉斯分類