Tüm kategoriler mevcut değilken kukla değişkenler

Question

Sütunlardan birinin kategorik bir değişken içerdiği bir dizi veri çerçevem ​​var. Birkaç kukla değişkene dönüştürmek istiyorum, bu durumda normalde get_dummies kullanıyorum. Ne olur? get_dummies, ne kadar kategoriye sahip olduğunu bulmak ve böylece uygun sayıda sahte değişkenler oluşturmak için her bir veri çerçevesindeki veriyi inceler. Bu, get_dummies. Ancak, şu anda çalışmakta olduğum problemde, aslında mümkün olan kategorilerin ne olduğunu biliyorum. Ancak her bir veriye ayrı ayrı bakıldığında, tüm kategoriler zorunlu olarak görünmez.

Soruma şudur: get_dummies (veya eşdeğer bir işlev) kategorilerinin adlarını geçmek için bir yol var, böylece belirli bir veri alanında görünmeyen kategoriler için, yalnızca bir 0s sütun? Bu kılacak

şey:

categories = ['a', 'b', 'c'] 

    cat 
1 a 
2 b 
3 a 

bu ol:

cat_a cat_b cat_c 
1 1  0  0 
2 0  1  0 
3 1  0  0 

Answer 1

aktarılması ve

import pandas as pd 

cats = ['a', 'b', 'c'] 
df = pd.DataFrame({'cat': ['a', 'b', 'a']}) 

dummies = pd.get_dummies(df, prefix='', prefix_sep='') 
dummies = dummies.T.reindex(cats).T.fillna(0) 

print dummies 

    a b c 
0 1.0 0.0 0.0 
1 0.0 1.0 0.0 
2 1.0 0.0 0.0 

Answer 2

Ben get_dummies kutunun dışında bu sağlar sanmıyorum, sadece vurgular ekstra column oluşturmak için olanak sağlar NaN değerleri.

eksik değerleri değiştirmek için fillna(0) kullanın eksik sütunlar oluşturmak otomatik 'yığın' DataFrames (kukla sütunlar artı DataFrame id) dikey için axis=0 boyunca pd.concat kullanıp olabilir, eksik columns kendinizi ekleyin ve sonra kullanmak için Çeşitli DataFrame'u tekrar ayırmak için .groupby('id').

Answer 3

bu deneyin:

In[1]: import pandas as pd 
     cats = ["a", "b", "c"] 

In[2]: df = pd.DataFrame({"cat": ["a", "b", "a"]}) 

In[3]: pd.concat((pd.get_dummies(df.cat, columns=cats), pd.DataFrame(columns=cats))).fillna(0) 
Out[3]: 
    a b c 
0 1.0 0.0 0 
1 0.0 1.0 0 
2 1.0 0.0 0 

Answer 4

get_dummies geçmek için bir yol (veya eşdeğer bir fonksiyonu) kategorilerinin isimleri var reindex kullanarak, böylece Belirli bir veri alanında görünmeyen kategoriler için, yalnızca 0'lık bir sütun oluşturur mu?

Evet, var! Pandaların sadece categorical data için özel bir Serileri vardır. Bu serinin özelliklerinden biri, get_dummies'un hesaba kattığı olası kategorilerdir. İşte bir örnek: Sonra

In [1]: import pandas as pd 

In [2]: cat=pd.Series(list('aba'),index=range(1,4)) 

In [3]: cat=cat.astype('category',categories=list('abc')) 

In [4]: cat 
Out[4]: 
1 a 
2 b 
3 a 
dtype: category 
Categories (3, object): [a, b, c] 

, get_dummies istediğini tam olarak yapacağız!

In [5]: pd.get_dummies(cat) 
Out[5]: 
    a b c 
1 1 0 0 
2 0 1 0 
3 1 0 0 

bir kategorik Series veya DataFrame oluşturmak için başka yollar bir sürü vardır, bu şimdiye en uygun bulmak sadece bir tanesidir. Bunların hepsini the pandas documentation'da okuyabilirsiniz.

DÜZENLEME: Ben tam sürüm izledi ancak pandalar en azından sürümü 0.17.0 kadar seyrek matrisler nasıl davrandığı bir bug vardı değil

. Sürüm 0.18.1 ile düzeltildi. Eğer bir DataFrame ile sparse=True seçeneğiyle bunu denerseniz

sürümü 0.17.0 için, eksik kukla değişken için sıfır sütun NaN bir sütun olacak ve o yoğun dönüştürülür. test kümesi eksik Kategori ekleniyor

Answer 5

: bu kod da aradığınız