pandas - columns - ¿Ejecutando get_dummies en varias columnas de DataFrame?

pandas get_dummies

Question

¿Cómo se puede ejecutar de forma idiomática una función como get_dummies , que espera una sola columna y devuelve varias, en varias columnas de DataFrame?

Answer 1

A menos que no entienda la pregunta, se admite de forma nativa en get_dummies al pasar el argumento de las columnas.

Answer 2

Alguien puede tener algo más inteligente, pero aquí hay dos enfoques. Suponiendo que tiene un marco de datos llamado df con las columnas ''Nombre'' y ''Año'' para las que desea dummies.

En primer lugar, simplemente iterar sobre las columnas no es tan malo:

In [93]: for column in [''Name'', ''Year'']:
...: dummies = pd.get_dummies(df[column])
...: df[dummies.columns] = dummies

Otra idea sería utilizar el paquete patsy , que está diseñado para construir matrices de datos a partir de fórmulas de tipo R.

In [94]: patsy.dmatrix('' ~ C(Name) + C(Year)'', df, return_type="dataframe")

Answer 3

Con pandas 0.19 , puedes hacer eso en una sola línea:

pd.get_dummies(data=df, columns=[''A'', ''B''])

Columns especifica dónde se debe realizar la codificación Hot One.

>>> df
A B C
0 a c 1
1 b c 2
2 a b 3
>>> pd.get_dummies(data=df, columns=[''A'', ''B''])
C A_a A_b B_b B_c
0 1 1.0 0.0 0.0 1.0
1 2 0.0 1.0 0.0 1.0
2 3 1.0 0.0 1.0 0.0

Answer 4

Desde la versión 0.15.0 de pandas, pd.get_dummies puede manejar un DataFrame directamente (antes de eso, solo podía manejar una sola Serie, y ver a continuación la solución):

In [1]: df = DataFrame({''A'': [''a'', ''b'', ''a''], ''B'': [''c'', ''c'', ''b''],
...: ''C'': [1, 2, 3]})
In [2]: df
Out[2]:
A B C
0 a c 1
1 b c 2
2 a b 3
In [3]: pd.get_dummies(df)
Out[3]:
C A_a A_b B_b B_c
0 1 1 0 0 1
1 2 0 1 0 1
2 3 1 0 1 0

Solución para pandas <0.15.0

Puedes hacerlo para cada columna por separado y luego concat los resultados:

In [111]: df
Out[111]:
A B
0 a x
1 a y
2 b z
3 b x
4 c x
5 a y
6 b y
7 c z
In [112]: pd.concat([pd.get_dummies(df[col]) for col in df], axis=1, keys=df.columns)
Out[112]:
A B
a b c x y z
0 1 0 0 1 0 0
1 1 0 0 0 1 0
2 0 1 0 0 0 1
3 0 1 0 1 0 0
4 0 0 1 1 0 0
5 1 0 0 0 1 0
6 0 1 0 0 1 0
7 0 0 1 0 0 1

Si no desea la columna de múltiples índices, elimine las keys=.. de la llamada a la función concat.