Esecuzione get_dummies su più colonne DataFrame?

Question

Come si può eseguire in modo idiomatico una funzione come get_dummies, che si aspetta una singola colonna e restituisce diversi, su più colonne DataFrame?

Answer 1

Dal panda versione 0.15.0, pd.get_dummies in grado di gestire un dataframe direttamente (prima di questo, è in grado di gestire una sola serie, e vedere sotto per la soluzione):

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 

---

Soluzione per i panda < 0.15.0

è possibile farlo per ogni separato colonna e poi concat i risultati:

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 

Se non si desidera la colonna con più indici, rimuovere lo keys=.. dalla chiamata della funzione concat.

Answer 2

Qualcuno può avere qualcosa di più intelligente, ma qui ci sono due approcci. Supponendo che tu abbia un dataframe con il nome df con le colonne "Nome" e "Anno" per cui vuoi i manichini.

Innanzitutto, semplicemente scorrendo sulle colonne non è male:

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

Un'altra idea sarebbe quella di utilizzare il pacchetto patsy, che è progettato per costruire matrici di dati da formule R-type.

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

Answer 3

A meno che io non capisco la domanda, che è supportato in modo nativo in get_dummies passando l'argomento colonne.

Answer 4

Con panda 0,19, è possibile farlo in una sola riga:

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

Columns specifica dove poter fare l'Hot codifica 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