当不是所有类别都存在时，虚拟变量

Question

我有一组数据帧，其中一列包含一个分类变量。我想把它转换成几个虚拟变量，在这种情况下，我通常使用get\u dummies。

发生的事情是，get_dummies查看每个数据帧中可用的数据，找出有多少类别，从而创建适当数量的虚拟变量。然而，在我现在研究的问题中，我实际上提前知道了可能的类别。但当单独查看每个数据帧时，并不一定会出现所有类别。

我的问题是：有没有一种方法可以传递给get_dummies（或等效函数）类别的名称，以便对于给定数据帧中没有出现的类别，它只创建一列0？

这就是：

categories = ['a', 'b', 'c']

   cat
1   a
2   b
3   a

变成这样：

  cat_a  cat_b  cat_c
1   1      0      0
2   0      1      0
3   1      0      0

Answer 1

试试这个：

In[1]: import pandas as pd
       cats = ["a", "b", "c"]

In[2]: df = pd.DataFrame({"cat": ["a", "b", "a"]})

In[3]: pd.concat((pd.get_dummies(df.cat, columns=cats), pd.DataFrame(columns=cats))).fillna(0)
Out[3]: 
     a    b    c
0  1.0  0.0  0
1  0.0  1.0  0
2  1.0  0.0  0

Answer 2

使用转置和重新索引

import pandas as pd

cats = ['a', 'b', 'c']
df = pd.DataFrame({'cat': ['a', 'b', 'a']})

dummies = pd.get_dummies(df, prefix='', prefix_sep='')
dummies = dummies.T.reindex(cats).T.fillna(0)

print dummies

    a    b    c
0  1.0  0.0  0.0
1  0.0  1.0  0.0
2  1.0  0.0  0.0

Answer 3

TL；博士：

pd.get_dummies(cat.astype(pd.CategoricalDtype(categories=categories)))

• 老熊猫：pd。获取虚拟对象（cat.astype（'category'，categories=categories））

是否有一种方法可以传递以获取_dummies（或等效函数）类别的名称，以便对于未出现在给定数据帧中的类别，只创建一列0？

是的，有！熊猫有一种特殊类型的系列，仅用于分类数据。这个系列的属性之一是可能的类别，get_dummies考虑到这些类别。这里有一个例子：

In [1]: import pandas as pd

In [2]: possible_categories = list('abc')

In [3]: cat = pd.Series(list('aba'))

In [4]: cat = cat.astype(pd.CategoricalDtype(categories=possible_categories))

In [5]: cat
Out[5]: 
0    a
1    b
2    a
dtype: category
Categories (3, object): [a, b, c]

然后，get_dummies将完全按照您的意愿执行！

In [6]: pd.get_dummies(cat)
Out[6]: 
   a  b  c
0  1  0  0
1  0  1  0
2  1  0  0

还有许多其他方法可以创建一个分类的系列或数据帧，这正是我觉得最方便的方法。您可以在pandas文档中阅读所有这些内容。

编辑：

我没有遵循确切的版本，但是熊猫如何处理稀疏矩阵存在一个错误，至少在0.17.0版本之前是这样。版本0.18.1（2016年5月发布）对其进行了更正。

对于版本0.17。0，如果尝试使用DataFrame的sparse=True选项执行此操作，则缺少的伪变量的零列将是NaN列，并将其转换为稠密。

看起来像熊猫0.21。0添加了一个CategoricalDType，创建明确包含原始答案中的类别的类别被否决，我不太确定何时创建。