如何使用pandas基于DataFrame指定列生成dummy虚拟变量

以下分别提供Python（Pandas）和R语言两种常用场景的实现方式：

Python （Pandas 环境） #

方法1：布尔值直接转整型（最简便） #

直接对判断条件返回的布尔序列（True/False）做整型转换，True自动对应1，False对应0：

import pandas as pd
# 假设df是你的DataFrame，iloc[:,0]代表取第1列，生成的虚拟变量列名为dummy
df['dummy'] = (df.iloc[:, 0] > 0.25).astype(int)

如果已知待处理列的列名（比如列名为value），更稳妥的写法是用列名索引：

df['dummy'] = (df['value'] > 0.25).astype(int)

方法2：numpy where 实现（适合扩展多条件） #

如果后续需要调整规则增加更多判断分支，用np.where更灵活：

import pandas as pd
import numpy as np

df['dummy'] = np.where(df.iloc[:, 0] > 0.25, 1, 0)

注意：以上两种写法中，观测值等于0.25时默认赋值为0，如果需要将等于0.25的情况归为1，将判断条件中的>改为>=即可。

R 语言环境 #

方法1：逻辑值转整型 #

# 假设df是你的数据框，[,1]代表取第1列，生成的虚拟变量列名为dummy
df$dummy <- as.integer(df[,1] > 0.25)

方法2：ifelse 实现 #

df$dummy <- ifelse(df[,1] > 0.25, 1, 0)

内容的提问来源于stack exchange，提问作者Marzieh Karimi