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 категориальной переменной в фиктивные/индикаторные переменные.

Параметры:

data : array-like, Series, or DataFrame Данные, для которых необходимо получить фиктивные индикаторы. prefix : str, list of str, or dict of str, default None Строка для добавления префиксов к именам столбцов DataFrame. Передайте список длиной, равной количеству столбцов, при вызове get_dummies для DataFrame. В качестве альтернативы, prefix может быть словарем, сопоставляющим имена столбцов с префиксами. prefix_sep : str, default ‘_’ Если добавляется префикс, разделитель/делитель для использования. Или передайте список или словарь, как и с prefix. dummy_na : bool, default False Добавить столбец для указания значений NaN, если False, значения NaN игнорируются. columns : list-like, default None Имена столбцов в DataFrame, которые должны быть закодированы. Если columns равно None, все столбцы с типом object или category будут преобразованы. sparse : bool, default False Нужно ли, чтобы закодированные побитово столбцы основывались на SparseArray (True) или обычном массиве NumPy (False). drop_first : bool, default False Нужно ли получить k-1 фиктивных переменных из k категориальных уровней, удалив первый уровень. Новое в версии 0.18.0. dtype : dtype, default np.uint8 Тип данных для новых столбцов. Разрешен только один тип. Новое в версии 0.23.0.

Возвращаемое значение:

DataFrame Данные, закодированные побитово.

См. также

Series.str.get_dummies

Преобразовать Series в фиктивные коды.

Примеры

>>> 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