python - Pandas:将分类变量的值映射到预定义的虚拟列列表

Question

我有一个具有已知水平的分类变量(例如，hour，它只包含 0 到 23 之间的值)，但不是所有的现在都可用(比如，我们有 0 点到 11 点之间的测量值，但不包括 12 点到 23 点之间的时间)，尽管稍后将添加其他值。如果我们天真地使用 pandas.get_dummies() 将值映射到指示变量，我们最终将只有 12 个而不是 24 个。有没有办法将分类变量的值映射到 < strong>虚拟变量的预定义列表？

这是预期行为的示例:

possible_values = range(24)
hours = get_dummies_on_steroids(df['hour'], prefix='hour', levels=possible_values)

Answer 1

在 pandas 0.15 中使用新的和改进的 Categorical 类型:

import pandas as pd
import numpy as np
df = pd.DataFrame({'hour': [0, 1, 3, 8, 13, 14], 'val': np.random.randn(6)})
df
Out[4]: 
   hour       val
0     0 -0.098287
1     1 -0.682777
2     3  1.000749
3     8 -0.558877
4    13  1.423675
5    14  1.461552

df['hour_cat'] = pd.Categorical(df['hour'], categories=range(24))
pd.get_dummies(df['hour_cat'])
Out[6]: 
   0   1   2   3   4   5   6   7   8   9  ...  
0   1   0   0   0   0   0   0   0   0   0 ...      
1   0   1   0   0   0   0   0   0   0   0 ...   
2   0   0   0   1   0   0   0   0   0   0 ...   
3   0   0   0   0   0   0   0   0   1   0 ...   
4   0   0   0   0   0   0   0   0   0   0 ...   
5   0   0   0   0   0   0   0   0   0   0 ...

您描述的情况，您知道您的数据可以采用一组特定的值，但是您不一定观察到所有这些，这正是 Categorical 的用武之地。