Python中如何将DataFrame指定多列转换为哑变量并拼接回原表

你之前的代码仅生成了指定列的哑变量结果，未执行和原表的拼接操作，可通过以下两种方式实现需求：

方法1：手动生成哑变量后拼接 #

import pandas as pd

# 定义需转换为哑变量的列列表
new_dum = ['V1','V4','V5','V15','V52']

# 可选操作：若原数值列需按分类属性转哑变量，先转为字符串类型
# traindf[new_dum] = traindf[new_dum].astype(str)

# 生成哑变量
dumy_col = pd.get_dummies(traindf[new_dum], drop_first = True)

# 剔除原表中已转换的原始列，和哑变量按列拼接
traindf_result = pd.concat([traindf.drop(new_dum, axis=1), dumy_col], axis=1)

方法2：直接指定columns参数（更推荐） #

pd.get_dummies支持直接传入全量DataFrame，通过columns参数指定需转哑变量的列，自动保留其他原列并完成拼接：

new_dum = ['V1','V4','V5','V15','V52']
traindf_result = pd.get_dummies(traindf, columns=new_dum, drop_first=True)

注意事项 #

• drop_first=True用于规避哑变量共线性问题，回归类模型建议保留，树模型可根据需求删除该参数
• 若需保留原始列无需删除，方法1中去掉drop(new_dum, axis=1)直接拼接即可
• 若目标列是连续数值，需先完成分箱（pd.cut/pd.qcut）操作后再转哑变量

内容的提问来源于stack exchange，提问作者pratik kandalgaonkar