python - 你能扩展 pandas.get_dummies 中的假人列表吗？

Question

假设我有以下数据集（2 行，2 列，标题是 Char0 和 Char1）：

dataset = [['A', 'B'], ['B', 'C']]
columns = ['Char0', 'Char1']
df = pd.DataFrame(dataset, columns=columns)

我想对 Char0 和 Char1 列进行一次热编码，所以：

df = pd.concat([df, pd.get_dummies(df["Char0"], prefix='Char0')], axis=1)
df = pd.concat([df, pd.get_dummies(df["Char1"], prefix='Char1')], axis=1)
df.drop(['Char0', "Char1"], axis=1, inplace=True)

这会产生一个带有列标题 Char0_A、Char0_B、Char1_B、Char1_C 的数据框。

现在，我想对每一列都有 A、B、C 和 D 的指示（尽管数据集中目前没有“D”）。在这种情况下，这意味着 8 列：Char0_A、Char0_B、Char0_C、Char0_D、Char1_A、Char1_B、Char1_C、Char1_D。

有人可以帮帮我吗？

标签： pythonpandasdataframe

Answer 1

与所有列一起使用get_dummies，然后添加由以下DataFrame.reindex创建的所有可能的列组合itertools.product：

dataset = [['A', 'B'], ['B', 'C']]
columns = ['Char0', 'Char1']
df = pd.DataFrame(dataset, columns=columns)

vals = ['A','B','C','D']

from  itertools import product
cols = ['_'.join(x) for x in product(df.columns, vals)]
print (cols)
['Char0_A', 'Char0_B', 'Char0_C', 'Char0_D', 'Char1_A', 'Char1_B', 'Char1_C', 'Char1_D']

df1 = pd.get_dummies(df).reindex(cols, axis=1, fill_value=0)

print (df1)
   Char0_A  Char0_B  Char0_C  Char0_D  Char1_A  Char1_B  Char1_C  Char1_D
0        1        0        0        0        0        1        0        0
1        0        1        0        0        0        0        1        0