Python创建哑变量时替换列值$符号以修正数据类型问题

我明白你遇到的问题了——数据列里的$符号搞砸了哑变量的数据类型，让它变成了无符号整数，你想把$替换成空字符串来解决这个问题。先来看下你的输入数据：

grp_m1 grp_m2 grp_m3 grp_m4
$50-$75 $50-$75 $50-$75 $50-$75
$50-$75 $50-$75 $50-$75 $50-$75
$150-$175 $150-$175 $150-$175 $150-$175
$100-$125 $100-$125 $100-$125 $100-$125
$150-$175 $125-$150 $125-$150 $125-$150

你之前尝试的代码逻辑有点小问题，比如if ('$' in str(df_column[column]) == True)这种写法的判断优先级会出错，而且循环处理单个元素的效率也不高。推荐用pandas的矢量化操作来批量替换，既简洁又不会出错：

方案1：批量处理所有列 #

用replace()方法配合正则表达式，一次性去掉所有列里的$符号：

import pandas as pd

# 加载你的数据（假设数据是空格分隔的，用sep="\s+"读取）
df = pd.read_csv("your_data_file.csv", sep="\s+")

# 替换所有列中的$符号为空字符串
df = df.replace(r'\$', '', regex=True)

# 现在生成哑变量，数据类型就会恢复正常了
dummy_variables = pd.get_dummies(df)

方案2：仅处理指定列 #

如果你只需要处理特定的几列，可以明确指定列名：

# 指定需要处理的列
target_cols = ['grp_m1', 'grp_m2', 'grp_m3', 'grp_m4']
# 仅替换这些列里的$符号
df[target_cols] = df[target_cols].replace(r'\$', '', regex=True)

这样处理后，列值就变成了50-$75、150-$175这类纯区间字符串，生成哑变量时就不会出现无符号整数的问题了。

内容的提问来源于stack exchange，提问作者Shuvayan Das