python-3.x - 从数据子集的列中创建虚拟对象，其中不包含该列中的所有类别值

Question

我正在处理大型数据集的一个子集。

数据框中有一个名为“type”的列。 “类型”应具有类似 [1,2,3,4] 的值。

在某个子集中，我发现“类型”列仅包含某些值，例如 [1,4]，例如

 In [1]: df
 Out[2]:
          type
    0      1
    1      4

当我从该子集的“类型”列创建虚拟对象时，结果是这样的:

In [3]:import pandas as pd
In [4]:pd.get_dummies(df["type"], prefix = "type")
Out[5]:        type_1 type_4
        0        1       0
        1        0       1

它没有名为“type_2”、“type_3”的列。我想要的是:

 Out[6]:        type_1 type_2 type_3 type_4
            0      1      0       0      0
            1      0      0       0      1

有解决方案吗？

Answer 1

您需要做的是制作专栏'type'成 pd.Categorical 并指定 categories

pd.get_dummies(pd.Categorical(df.type, [1, 2, 3, 4]), prefix='type')

   type_1  type_2  type_3  type_4
0       1       0       0       0
1       0       0       0       1