熊猫get_dummies为同一功能生成多个列

Question

我正在使用熊猫系列，并尝试将其转换为一种热门编码。 我使用describe方法来检查系列有多少个独特类别。 输出为：

input['pattern'].describe(include='all')

    count     9725
    unique       7
    top          1
    freq      4580
    Name: pattern, dtype: object

当我尝试时：

    x = pd.get_dummies(input['pattern'])
    x.describe(include= 'all')

我得到18个班级，其中12个班级完全为零。 为什么get_dummies产生了即使在输入中也没有出现过的类？

Answer 1

从评论的讨论中，可以推断出您的列包含字符串和整数的混合。

例如，

s = pd.Series(['0', 0, '0', '6', 6, '6', '3', '3'])
s

0    0
1    0
2    0
3    6
4    6
5    6
6    3
7    3
dtype: object

现在，调用pd.get_dummies将导致具有相同功能的多个此类列。

pd.get_dummies(s)

   0  6  0  3  6
0  0  0  1  0  0
1  1  0  0  0  0
2  0  0  1  0  0
3  0  0  0  0  1
4  0  1  0  0  0
5  0  0  0  0  1
6  0  0  0  1  0
7  0  0  0  1  0

解决方法是确保所有元素都属于同一类型。 对于这种情况，我建议将其转换为str 。

s.astype(str).str.get_dummies()


   0  3  6
0  1  0  0
1  1  0  0
2  1  0  0
3  0  0  1
4  0  0  1
5  0  0  1
6  0  1  0
7  0  1  0