Pandas get_dummies 包含缺少类别的列？

Question

例如：

import numpy as np
import pandas as pd

df1 = pd.DataFrame({
    'id': [1, 2, 3, 4], 
    'category': ['A', 'B', 'C', 'D']
})
df1_dummy = pd.get_dummies(df1)
print(df1_dummy)

然后我得到：

    id  category_A  category_B  category_C  category_D
0    1           1           0           0           0
1    2           0           1           0           0
2    3           0           0           1           0
3    4           0           0           0           1

但是，我还有另一个 DataFrame 看起来像：

df2 = pd.DataFrame({
    'id': [1, 2, 3, 4], 
    'category': ['A', 'A', 'B', 'B']
})
df2_dummy = pd.get_dummies(df2)
print(df2_dummy)

我有：

   id   category_A  category_B
0   1            1           0
1   2            1           0
2   3            0           1
3   4            0           1

我的问题是，有没有什么方法可以自动生成 df2_dummy 看起来像 df1_dummy 它有列 ['category_C', 'category_D'] 并且值都是零，看起来像：

df2_dummy:

    id  category_A  category_B  category_C  category_D
0    1           1           0           0           0
1    2           1           0           0           0
2    3           0           1           0           0
3    4           0           1           0           0

如果有人可以提供帮助，我将不胜感激！

Answer 1

假设df2的类别与df1的类别相同，您可以“同步”它们，以便pd.get_dummies适当地处理缺失的类别：

pd.get_dummies(
    pd.Categorical(df2['category'], categories=df1['category'].unique()))

   A  B  C  D
0  1  0  0  0
1  1  0  0  0
2  0  1  0  0
3  0  1  0  0

这是你要做的：

df2['category'] = pd.Categorical(
    df2['category'], categories=df1['category'].unique())
pd.get_dummies(df2)

   id  category_A  category_B  category_C  category_D
0   1           1           0           0           0
1   2           1           0           0           0
2   3           0           1           0           0
3   4           0           1           0           0