时间戳

首页 > 解决方案 > 有效地指定具有相同前缀的多个列名称

python - 有效地指定具有相同前缀的多个列名称

问题描述

我正在进行回归，我的观察是在公司层面。我想控制公司的类型[它生产什么]。我将这些信息保存在一个对象变量中，然后将其转换为分类变量，然后从中取出假人。

df['Product Type'] = df['Product Type'].astype('category')
df =  pd.get_dummies(df, columns=['Product Type']).head()

我的样本非常大，我最终得到了很多虚拟变量。将它们一个一个地引入我的模型中（可能有 10-15 个）是相当多的工作。

reg = sm.OLS(endog=df['Y'], exog= df[['X1', 'Number of workers', 'X2', "Product Type_Jewellery", "Product_Type_Apparel", (all the other product dummies) ]], missing='drop')

有没有更有效的方法来做到这一点？在 stata 中，我使用了前缀 i.Product_Type ，它会向软件表明必须将 String 变量视为一个分类变量......有什么类似的吗？

标签： pythonpandasencoding

解决方案

用于str.contains查找包含“Product_*”的列，访问它们变得容易。

c = df.columns[df.columns.str.contains('Product')]

如果不需要正则表达式，您可以初始化c为

c = df.columns[df.columns.str.contains('Product', regex=False)]

或者，使用str.startswith：

c = df.columns[df.columns.str.startswith('Product')]

或者，列表理解：

c = [c_ for c_ in df if c_.startswith('Product')]

最后，通过解包访问子集c：

subset = df[['X1', 'Number of workers', 'X2', *c]]
reg = sm.OLS(endog=df['Y'], exog=subset, missing='drop')

推荐阅读