Pandas：如何从两个数据帧的联合中获取虚拟变量列？

Question

我有两个数据框，每个数据框都具有相同的变量和行长度，但是分类变量（对象列）有时在一个与另一个中具有不同的实现。

这就是我的意思。

Frame 1 | categorical_1 | categorical_2 |||  Frame 2 | categorical_1 | categorical_2

row 1   | blue          | flakes        |||  row 1   | blue          | flakes

row 2   | red           | cheerios      |||  row 2   | red           | flakes

row 3   | blue          | cheerios      |||  row 3   | green         | flakes

正如您在上面的基本插图中所见，绿色仅出现在第二个数据框中，而cheerios 仅出现在我的第一个数据框中。

基本上，我需要一种方法来考虑两个数据帧（或更多）的“变量范围”来创建虚拟变量列，所以我不能只调用pd.get_dummies它们中的任何一个。

Answer 1

pandas 中没有其他功能可以帮助您做到这一点。正如您所提到的，pd.get_dummies只能在一个数据框中创建虚拟对象。您的数据框中是否有索引或不同的 ID？如果你这样做，你可以categorical_2将它们合并到一个数据帧中。然后您可以使用pd.get_dummies并最终根据不同的索引或 ID 将其匹配回原始数据帧。如果你不这样做，我认为处理这个问题的唯一方法是手动编码。