如何用循环高效将DataFrame中多个分类特征转为哑变量？

方法1：批量处理分类特征（推荐） #

直接针对所有需要转换的分类特征列调用一次pd.get_dummies，无需循环，代码最简洁高效，还能避免重复劳动。

步骤：

• 先把所有要处理的分类特征列名整理成列表
• 用pd.get_dummies批量生成哑变量，指定drop_first=True（逻辑回归必须加，避免多重共线性）
• 可选：把生成的哑变量合并回原数据集，或者单独保留

示例代码：

import pandas as pd

# 把所有需要转哑变量的特征列名放这里
categorical_features = ['Sex', 'Embarked', 'Identity', 'Religion', ...]  # 补充你的其他特征

# 批量生成所有哑变量
all_dummies = pd.get_dummies(train[categorical_features], drop_first=True)

# 要是想把哑变量合并到原数据集里
train_with_dummies = pd.concat([train, all_dummies], axis=1)

# 单独取某一个特征的哑变量也很方便
sex_dummies = all_dummies.filter(regex='Sex_')
embark_dummies = all_dummies.filter(regex='Embarked_')

方法2：循环处理并存储到字典 #

如果确实需要把每个特征的哑变量单独存成可调用的“变量”，用字典存储比逐个定义变量更整洁，不会让你的代码里堆满类似sex/embark这种零散变量。

示例代码：

import pandas as pd

categorical_features = ['Sex', 'Embarked', 'Identity', 'Religion', ...]

# 用字典存每个特征的哑变量
dummy_store = {}

for feat in categorical_features:
    dummy_store[feat] = pd.get_dummies(train[feat], drop_first=True)

# 调用的时候直接按键取
sex = dummy_store['Sex']
embark = dummy_store['Embarked']

补充提醒 #

逻辑回归里drop_first=True一定要加，它会删掉每个分类特征的第一个类别，避免“哑变量陷阱”导致的多重共线性问题，这会影响模型的稳定性。

内容的提问来源于stack exchange，提问作者PineNuts0