如何在pandas中设置虚拟编码参考水平并指定删除项？

嘿，这个需求我太懂了！确实在R里用factor指定levels就能轻松搞定参考水平，但在Pandas里其实也有对应的方案，核心思路是先把分类变量转换成Categorical类型来定义类别顺序，这样get_dummies就能按照你的意愿删除指定的参考水平了。下面给你两种实用的方法：

方法一：用Categorical指定参考水平（推荐） #

这种方法和R里的factor逻辑最像，先手动定义分类变量的类别顺序，把你想设为参考的水平放在第一个位置，再用drop_first=True删除它：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({"color": ["blue", "red", "green", "red", "blue", "green"]})

# 将color转为Categorical类型，把参考水平"red"放在categories的首位
df["color"] = pd.Categorical(
    df["color"],
    categories=["red", "blue", "green"],  # 顺序决定参考水平
    ordered=False  # 这里不需要有序分类，所以设为False
)

# 生成虚拟变量，drop_first=True会自动删除第一个类别（也就是参考水平red）
dummy_vars = pd.get_dummies(df["color"], drop_first=True)
print(dummy_vars)

运行后输出的结果只会包含blue和green两列，red作为参考水平被排除，完全符合你的需求。

方法二：手动删除参考列（适合快速场景） #

如果你不想转换变量类型，也可以先生成所有虚拟变量，再手动删掉你指定的参考列：

# 生成所有类别的虚拟变量
all_dummies = pd.get_dummies(df["color"], prefix="color")

# 删除作为参考的列（比如color_red）
dummy_vars = all_dummies.drop("color_red", axis=1)

这种方法虽然直观，但当分类变量类别较多时，不如第一种方法高效，而且需要准确写出要删除的列名。

小提示 #

Pandas的Categorical类型会严格遵循你设定的类别顺序，所以只要把参考水平放在categories参数的第一个位置，get_dummies的drop_first就会精准删除它，和R中factor的操作逻辑完全对齐~

内容的提问来源于stack exchange，提问作者zesla