如何让熊猫get_dummies发出N-1变量以避免共线性？

Question

pandas.get_dummies每个分类值发出一个虚拟变量。是否有一些自动的，简单的方法来要求它只创建N-1个虚拟变量？ （只是摆脱一个“基线”变量任意）？

需要避免我们数据集中的共线性。

Answer 1

Pandas版本0.18.0实现了您正在寻找的内容：drop_first选项。这里有一个例子：

In [1]: import pandas as pd 

In [2]: pd.__version__ 
Out[2]: u'0.18.1' 

In [3]: s=pd.Series(list('abcbacb')) 

In [4]: pd.get_dummies(s,drop_first=True) 
Out[4]: 
    b c 
0 0.0 0.0 
1 1.0 0.0 
2 0.0 1.0 
3 1.0 0.0 
4 0.0 0.0 
5 0.0 1.0 
6 1.0 0.0 

Answer 2

有很多方法可以做到这一点。

在调用get_dummies之前，最简单的方法是用None代替其中一个值。假设你有：

import pandas as pd 
import numpy as np 
s = pd.Series(list('babca')) 
>> s 
0 b 
1 a 
2 b 
3 c 
4 a 

然后使用：

>> pd.get_dummies(np.where(s == s.unique()[0], None, s)) 
    a c 
0 0 0 
1 1 0 
2 0 0 
3 0 1 
4 1 0 

下降b。

（当然，你需要考虑，如果你的类别栏尚未包含None）。

---

另一种方法是使用prefix参数get_dummies：

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False)

前缀：字符串，字符串列表或字符串字典，默认值无 - Stri ng添加DataFrame列名在调用DataFrame上的get_dummies时，传递一个长度等于列数的列表。或者，前缀可以是将列名称映射到前缀的字典。

这将为所有结果列添加一些前缀，然后您可以使用此前缀删除其中一个列（使其唯一）。