Python中的虚拟变量(dummy variables)

Erin

发布于 2018-01-09 16:42:46

3.3K0

发布于 2018-01-09 16:42:46

文章被收录于专栏：大数据风控大数据风控

虚拟变量(dummy variables)

虚拟变量，也叫哑变量和离散特征编码，可用来表示分类变量、非数量因素可能产生的影响。

① 离散特征的取值之间有大小的意义例如：尺寸(L、XL、XXL) 离散特征的取值有大小意义的处理函数map pandas.Series.map(dict) 参数 dict:映射的字典

② 离散特征的取值之间没有大小的意义

pandas.get_dummies

例如：颜色(Red,Blue,Green)

处理函数：

get_dummies(data,prefix=None,prefix_sep="_",dummy_na=False,columns=None,drop_first=False)

① data 要处理的DataFrame ② prefix 列名的前缀，在多个列有相同的离散项时候使用 ③ prefix_sep 前缀和离散值的分隔符，默认为下划线，默认即可 ④ dummy_na 是否把NA值，作为一个离散值进行处理，默认为不处理 ⑤ columns 要处理的列名，如果不指定该列，那么默认处理所有列 ⑥ drop_first 是否从备选项中删除第一个，建模的时候为避免共线性使用

# -*- coding: utf-8 -*-
import pandas

data = pandas.read_csv(
    'D:\\PDA\\4.18\\data.csv', 
    encoding='utf8'
)

data['Education Level'].drop_duplicates()

"""
博士后    Post-Doc
博士      Doctorate
硕士      Master's Degree
学士      Bachelor's Degree
副学士    Associate's Degree
专业院校  Some College
职业学校  Trade School
高中      High School
小学      Grade School
"""
educationLevelDict = {
    'Post-Doc': 9,
    'Doctorate': 8,
    'Master\'s Degree': 7,
    'Bachelor\'s Degree': 6,
    'Associate\'s Degree': 5,
    'Some College': 4,
    'Trade School': 3,
    'High School': 2,
    'Grade School': 1
}

data['Education Level Map'] = data[
    'Education Level'
].map(
    educationLevelDict
)

data['Gender'].drop_duplicates()

dummies = pandas.get_dummies(
    data, 
    columns=['Gender'],
    prefix=['Gender'],
    prefix_sep="_",
    dummy_na=False,
    drop_first=False
)

dummies['Gender'] = data['Gender']

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

原始发表：2017年07月14日，如有侵权请联系 cloudcommunity@tencent.com 删除

数据处理

python

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！

数据处理

python

登录后参与评论

0 条评论

热度