如何在 Python 中存儲 Pandas 的 get_dummies 轉換？

Question

python中的pandas包中有get_dummies轉換，它將分類變量轉換為值為0 / 1的二進制（標志）變量。這種轉換基於實際值，但我想存儲轉換的代碼，這樣我就可以在其他數據集上運行它，使用較少的值，並且仍然可以獲得完整大小的轉換數據結構。

假設你有這個代碼：

import pandas as pd
a = [[5,12,"blue"], [8,53,"yellow"]]
df = pd.DataFrame(a, columns=['Weight','Size','Color'])
df.apply(pd.to_numeric, errors='ignore')
df

產生這些數據：

Weight  Size    Color
5       12      blue
8       53      yellow

和：

df = pd.get_dummies(df)
df

產生這個：

Weight  Size    Color_blue  Color_yellow
5       12      1           0
8       53      0           1

我想存儲這個原始轉換，以便以后獲得記錄，例如：

[2,9,"blue"]

我仍然可以獲得整個結構，例如：

Weight  Size    Color_blue  Color_yellow
2       9       1           0

在后一種情況下，Get_dummies 將省略 Color_yellow 列...
什么是最簡單的解決方案？

我正在考慮構建我自己的 get_dummies 函數，該函數遍歷所有分類變量，獲取所有可能的不同值，然后生成執行轉換的 python 函數的代碼。 但是必須有一些已經實施的解決方案......

Answer 1

這就是我一直在尋找的。 代碼打印轉換，這必須在以后的數據集上完成：

import pandas as pd
import numpy as np
a = [[5,12,"blue","apple"], [8,53,"yellow","pear"], [1,8,"brown","peach"],[1,2,"blue","plum"]]
df = pd.DataFrame(a, columns=['Weight','Size','Color','Fruit'])
df.apply(pd.to_numeric, errors='ignore')

for col in df.select_dtypes(include=["object"]).columns:
    for i in df[col].unique():
       df[col+"_"+i] = np.where(df[col] == i, 1, 0)
       print('df["'+col+'_'+i+'"] = np.where(df["'+col+'"] == "'+i+'", 1, 0)')
    df = df.drop(columns=[col])
    print('df = df.drop(columns=["'+col+'"])')