如何将dataframe列添加到含虚拟变量的numpy.array用于回归分析？

前置依赖 #

你需要提前导入numpy和pandas库：

import numpy as np
import pandas as pd

具体操作 #

假设你现有变量定义如下：

• 存储虚拟变量的numpy数组：dummy_arr
• 待提取列的DataFrame：df
• 待添加的列名：target_col

方法1：使用np.column_stack（无需手动调整维度，更简便） #

该方法会自动将一维的Series转为列向量，直接和原有二维数组拼接：

# 直接拼接，新列位于每行的第一个位置，后续为原有4个虚拟变量值
merged_arr = np.column_stack((df['target_col'], dummy_arr))

方法2：使用np.hstack（需手动调整列向量维度） #

需要先将DataFrame列转为7行1列的二维数组，再横向拼接：

# 提取列并调整为二维列向量
col = df['target_col'].values.reshape(-1, 1)
# 横向拼接
merged_arr = np.hstack((col, dummy_arr))

效果验证 #

以你给出的示例数据测试：
原有虚拟变量数组为7行4列，待添加的DataFrame列值为[1,2,3,4,5,6,7]，拼接后输出的merged_arr结构为7行5列，示例行如下：

[[1 0 0 0 0]
 [2 0 0 0 0]
 ...
 [6 0 0 0 1]
 [7 0 0 1 0]]

注意事项 #

• 需确保DataFrame待添加列的行数和原有numpy数组的行数完全一致，否则会抛出拼接维度错误
• 如果你需要把待添加列放在虚拟变量之后，调换拼接时两个参数的位置即可

内容的提问来源于stack exchange，提问作者mo1996