如何使用 pandas 参考一个值创建虚拟变量？

Question

test = {'ngrp' : ['Manhattan', '*lyn', 'Queens', 'Staten Island', 'Bronx']}
test = pd.DataFrame(test)
dummy = pd.get_dummies(test['ngrp'], drop_first = True)

这给了我：

   *lyn  Manhattan  Queens  Staten Island
0         0          1       0              0
1         1          0       0              0
2         0          0       1              0
3         0          0       0              1
4         0          0       0              0

我将 Bronx 作为我的参考水平（因为那会被丢弃），我如何更改它以指定曼哈顿应该是我的参考水平？我的预期输出是

   *lyn  Queens  Staten Island  Bronx
0         0       0              0      0
1         1       0              0      0
2         0       1              0      0
3         0       0              1      0
4         0       0              0      1

Answer 1

get_dummies 对您的值进行排序（按字典顺序），然​​后创建假人。这就是为什么您在初始结果中看不到“Bronx”的原因；这是因为它是您列中的第一个排序值，所以它首先被删除。

为避免您看到的行为，请强制以“先见”为基础进行排序（即将其转换为有序分类）。

pd.get_dummies(
    pd.Categorical(test['ngrp'], categories=test['ngrp'].unique(), ordered=True), 
    drop_first=True)                                       

   *lyn  Queens  Staten Island  Bronx
0         0       0              0      0
1         1       0              0      0
2         0       1              0      0
3         0       0              1      0
4         0       0              0      1

当然，这样做的副作用是返回带有分类列名的假人，但这几乎从来都不是问题。