pandas.get_dummies

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None) [source]

Преобразование категориальных переменных в фиктивные/указательные переменные

Параметры:

data : array-like, Series, or DataFrame prefix : строка, список строк или словарь строк, по умолчанию None Строка для добавления к именам столбцов DataFrame. Передайте список с длиной, равной количеству столбцов, при вызове get_dummies для DataFrame. В качестве альтернативы, prefix может быть словарем, сопоставляющим имена столбцов с префиксами. prefix_sep : строка, по умолчанию ‘_’ Если добавляется префикс, разделитель/разделитель, который нужно использовать. Или передайте список или словарь, как и с prefix. dummy_na : bool, по умолчанию False Добавить столбец для обозначения значений NaN, если False значения NaN игнорируются. columns : список-подобный объект, по умолчанию None Имена столбцов в DataFrame, которые нужно закодировать. Если columns равно None, все столбцы с object или category типом данных будут преобразованы. sparse : bool, по умолчанию False Являются ли фиктивные столбцы разреженными или нет. Возвращает SparseDataFrame, если data является Series или если включены все столбцы. В противном случае возвращает DataFrame с некоторыми SparseBlocks. drop_first : bool, по умолчанию False Получить k-1 фиктивных переменных из k категориальных уровней, удалив первый уровень. Введено в версии 0.18.0. dtype : тип данных, по умолчанию np.uint8 Тип данных для новых столбцов. Разрешен только один тип данных. Введено в версии 0.23.0.

Возвращает:

dummies : DataFrame or SparseDataFrame

См. также

Series.str.get_dummies

Примеры

>>> import pandas as pd
>>> s = pd.Series(list('abca'))

>>> pd.get_dummies(s)
   a  b  c
0  1  0  0
1  0  1  0
2  0  0  1
3  1  0  0

>>> s1 = ['a', 'b', np.nan]

>>> pd.get_dummies(s1)
   a  b
0  1  0
1  0  1
2  0  0

>>> pd.get_dummies(s1, dummy_na=True)
   a  b  NaN
0  1  0    0
1  0  1    0
2  0  0    1

>>> df = pd.DataFrame({'A': ['a', 'b', 'a'], 'B': ['b', 'a', 'c'],
...                    'C': [1, 2, 3]})

>>> pd.get_dummies(df, prefix=['col1', 'col2'])
   C  col1_a  col1_b  col2_a  col2_b  col2_c
0  1       1       0       0       1       0
1  2       0       1       1       0       0
2  3       1       0       0       0       1

>>> pd.get_dummies(pd.Series(list('abcaa')))
   a  b  c
0  1  0  0
1  0  1  0
2  0  0  1
3  1  0  0
4  1  0  0

>>> pd.get_dummies(pd.Series(list('abcaa')), drop_first=True)
   b  c
0  0  0
1  1  0
2  0  1
3  0  0
4  0  0

>>> pd.get_dummies(pd.Series(list('abc')), dtype=float)
     a    b    c
0  1.0  0.0  0.0
1  0.0  1.0  0.0
2  0.0  0.0  1.0