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.