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/индикаторные переменные.

Параметры

data:array-like, Series или DataFrame

Данные, для которых необходимо получить фиктивные индикаторы.

prefix:str, список str или словарь str, по умолчанию None

Строка для добавления 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, по умолчанию ‘_’

Если добавляется префикс, разделитель/разделитель для использования. Или передать 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:list-like, по умолчанию None

Имена столбцов в DataFrame, которые должны быть закодированы. Если columns равно None, будут преобразованы все столбцы с типом object, string или category.

sparse:bool, по умолчанию False

Являются ли столбцы, закодированные с помощью фиктивных переменных, поддерживаемыми SparseArray (True) или обычным массивом NumPy (False).

drop_first:bool, по умолчанию False

Выводить ли k-1 фиктивных переменных из k категориальных уровней, удаляя первый уровень.

dtype:dtype, по умолчанию np.uint8

Тип данных для новых столбцов. Разрешен только один тип данных.

Возвращает

DataFrame

Данные с фиктивным кодированием.

См. также

Series.str.get_dummies

Преобразовать Series в фиктивные коды.

from_dummies()

Преобразовать фиктивные коды в категориальные DataFrame.

Примечания

Дополнительные примеры см. в руководстве пользователя.

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