pd.get_dummies()默认输出布尔值而非0/1的原因及相关疑问

问题背景 #

先将DataFrame的分类列转为category类型后，调用pd.get_dummies(df, columns=categorical_cols)，实际输出为True/False布尔值，而非预期的0/1二进制值；添加dtype=int参数可转为0/1。针对这个场景，解答以下三个疑问：

1. 为何pd.get_dummies()默认输出布尔值而非0/1？

当输入列是category类型时，Pandas默认用布尔类型输出是出于内存优化的考虑：布尔值在内存中仅占1字节，比常规int类型（通常4字节）更节省空间。同时从语义上看，True/False直接对应“是否属于该分类”，逻辑表达更直观。Pandas针对category类型的输入做了专门的存储优化，所以默认输出布尔值。

2. 是Pandas新版本更新导致还是操作有误？

这是Pandas版本更新带来的行为变化，大概在1.5.0版本左右调整了这个默认逻辑：早期版本中get_dummies不管输入列类型，默认输出int类型的0/1；后续版本为了优化内存，针对category类型的输入默认输出布尔值。你的操作本身没有错误，只是新旧版本的行为差异导致预期不符。

3. 是否应始终使用dtype=int？

不需要始终添加dtype=int，按需选择即可：

• 如果后续要做数值计算或机器学习建模（部分模型对布尔类型的支持不佳），建议添加dtype=int确保输出0/1数值；
• 如果只是做数据筛选、统计分析或可视化，布尔类型足够用且更省内存，没必要强制转换。

内容的提问来源于stack exchange，提问作者Mr Jxtr