pandas.get_dummies

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

将分类变量转换为虚拟/指示符变量

参数：

data：array-like，Series或DataFrame

前缀：string，字符串列表或字符串的dict，默认为None

附加DataFrame列名的字符串在DataFrame上调用get_dummies时传递长度等于列数的列表。或者，前缀可以是将列名称映射到前缀的字典。

prefix_sep：string，default'_'

如果追加prefix，separator / delimiter来使用。或者传递与前缀一样的列表或字典。

dummy_na：bool，default False

添加一列以指示NaN，如果忽略False NaNs。

列：list-like，默认值无

要编码的DataFrame中的列名称。如果列为None，那么所有包含对象或类别 dtype的列都将被转换。

sparse：bool，default False

虚拟列是否应该稀疏。如果数据是系列或如果包括所有列，则返回SparseDataFrame。否则返回一个带有一些SparseBlocks的DataFrame。

版本0.16.1中的新功能。

drop_first：bool，default False

是否通过删除第一级别从k个分类级别中获取k-1个虚拟变量。

版本0.18.0中的新功能。

返回

---

dummies：DataFrame或SparseDataFrame

也可以看看

Series.str.get_dummies

例子

>>> 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