Saltar al contenido

¿Ejecutando get_dummies en varias columnas de DataFrame?

Posterior a de una prolongada búsqueda de información pudimos resolver esta preocupación que presentan algunos de nuestros usuarios. Te ofrecemos la solución y deseamos servirte de gran ayuda.

Solución:

Con pandas 0.19puedes hacerlo en una sola línea:

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

Columns especifica dónde hacer One Hot Encoding.

>>> 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

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 vea 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 alternativa para pandas <0.15.0

Puede hacerlo para cada columna por separado y luego combinar 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 índice múltiple, elimine el keys=.. de la llamada a la función concat.

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 obtener datos ficticios.

Primero, 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 usar 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")

Recuerda que tienes la capacidad de valorar este ensayo si tropezaste tu contrariedad justo a tiempo.

¡Haz clic para puntuar esta entrada!
(Votos: 0 Promedio: 0)



Utiliza Nuestro Buscador

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *