Python中为DataFrame变量缺失值生成哑变量的问题求助

问题原因 #

你之前的代码无效的原因有两个：

• 把缺失值当成了字符串'Nan'，但DataFrame里的NaN是数值型缺失标记，不是字符串，所以== 'Nan'匹配不到任何值。
• 直接用== Nan判断不成立：首先Nan未定义（应该用np.nan），其次NaN的特性是不等于任何值，包括自身，所以df['a'] == np.nan会返回全False，结果自然全是0。

正确实现方法 #

以下几种方法都能得到你需要的编码结果：

方法1：np.where结合isna()

import numpy as np
import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({'a': [3, 2, np.nan, 3, np.nan]}, index=[1,2,3,4,5])

# 生成目标列
df['df_miss_a'] = np.where(df['a'].isna(), 1, 0)

方法2：布尔值直接转整数

isna()返回布尔类型的Series（True对应缺失值，False对应非缺失值），布尔值转整数时True会自动转为1，False转为0，写法更简洁：

df['df_miss_a'] = df['a'].isna().astype(int)

方法3：map函数（可选）

用lambda函数逐个判断：

df['df_miss_a'] = df['a'].map(lambda x: 1 if pd.isna(x) else 0)

最终结果 #

执行后DataFrame会变成：

a  df_miss_a
1  3.0          0
2  2.0          0
3  NaN          1
4  3.0          0
5  NaN          1

内容的提问来源于stack exchange，提问作者Englishman Bob