Tout d'abord, créons un mcve pour jouer avec:
import pandas as pd
import numpy as np
In [1]: categorical_array = np.random.choice(['Var1','Var2','Var3'],
size=(5,3), p=[0.25,0.5,0.25])
df = pd.DataFrame(categorical_array,
columns=map(lambda x:chr(97+x), range(categorical_array.shape[1])))
# Add another column that isn't categorical but float
df['d'] = np.random.rand(len(df))
print(df)
Out[1]:
a b c d
0 Var3 Var3 Var3 0.953153
1 Var1 Var2 Var1 0.924896
2 Var2 Var2 Var2 0.273205
3 Var2 Var1 Var3 0.459676
4 Var2 Var1 Var1 0.114358
Nous pouvons maintenant utiliser pd.get_dummies pour encoder les trois premières colonnes.
Notez que j'utilise le drop_first
paramètre parce que les N-1
variables muettes sont suffisantes pour décrire complètement les N
possibilités (par exemple: si a_Var2
et a_Var3
sont 0, alors c'est a_Var1
). De plus, je spécifie spécifiquement les colonnes mais je n'ai pas à le faire car ce seront des colonnes avec dtype object
ou categorical
(plus ci-dessous).
In [2]: df_encoded = pd.get_dummies(df, columns=['a','b', 'c'], drop_first=True)
print(df_encoded]
Out[2]:
d a_Var2 a_Var3 b_Var2 b_Var3 c_Var2 c_Var3
0 0.953153 0 1 0 1 0 1
1 0.924896 0 0 1 0 0 0
2 0.273205 1 0 1 0 1 0
3 0.459676 1 0 0 0 0 1
4 0.114358 1 0 0 0 0 0
Dans votre application spécifique, vous devrez fournir une liste de colonnes catégorielles ou vous devrez déduire quelles colonnes sont catégoriques.
Dans le meilleur des cas, votre trame de données a déjà ces colonnes avec un dtype=category
et vous pouvez passer columns=df.columns[df.dtypes == 'category']
à get_dummies
.
Sinon, je suggère de définir la dtype
de toutes les autres colonnes comme approprié (indice: pd.to_numeric, pd.to_datetime, etc.) et vous vous retrouverez avec des colonnes qui ont un object
dtype et celles-ci devraient être vos colonnes catégorielles.
La valeur par défaut des colonnes de paramètres pd.get_dummies est la suivante:
columns : list-like, default None
Column names in the DataFrame to be encoded.
If `columns` is None then all the columns with
`object` or `category` dtype will be converted.