日常小知识点积累：python list列表推导式、pandas.get_dummies、pandas.DataFrame.dtypes

程序员文章站 2024-01-05 13:21:34

...

1.列表推导式基本形式：

result = [item for item in squence <if conditions>]

举例：在以下球员姓名名单中找出名字中含有字母‘a’的球员

roster = ['Irving','Hayward','Horford','Tatum','Jaylen','Rozier','Smart']
contains_a = [i for i in roster if 'a' in i]
contains_a

>>>['Hayward', 'Tatum', 'Jaylen', 'Smart']

2.pandas.get_dummies：

pandas提供的这个方法用于给类别型变量进行one-hot或dummy编码（二者差别：dummy少用一个维度的变量来表示和one-hot编码相同的信息量，具体请见https://blog.csdn.net/weixin_41712499/article/details/82657296）

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False,

drop_first=False, dtype=None)

说说里面几个参数的意义：

prefix：string, list of strings, or dict of strings.

前缀，即你进行one-hot编码后多出来的几列特征，其列名前缀。

dummy_na : bool, default False

若这个参数设置为True，则NaN项也会被作为一个特征取值进行one-hot编码

columns : list-like, default None

想要被进行one-hot编码的特征的列名集合。当columns = None，则默认所有dtype为object的数据均进行one-hot编码

drop_first : bool, default False

若True，则进行one-hot编码的这个特征（假设有离散的k个取值）被转化成k个one-hot特征，即one-hot编码；

若False，则进行one-hot编码的这个特征（假设有离散的k个取值）被转化成k-1个one-hot特征，即dummy编码；

3.pandas.DataFrame.dtypes：

pandas提供的这个方法用于返回这个DataFrame中所有列的dtype，以一个pandas.Series形式返回。这个Series的index就是DataFrame的各列名。

常见的pandas数据dtype：

dft = pd.DataFrame(dict(A = np.random.rand(3), B = 1, C = 'foo',D =     
                        pd.Timestamp('20010102'), E = 
                        pd.Series([1.0]*3).astype('float32'),F = False, G = 
                        pd.Series([1]*3,dtype='int8')))
print(dft)

          A  B    C          D    E      F  G
0  0.809585  1  foo 2001-01-02  1.0  False  1
1  0.128238  1  foo 2001-01-02  1.0  False  1
2  0.775752  1  foo 2001-01-02  1.0  False  1



print(dft.dtypes)

A           float64
B             int64
C            object
D    datetime64[ns]
E           float32
F              bool
G              int8
dtype: object

请注意：各数据类型的混合列，dtype = 'object'; 我们可以用dtype == ‘object’来挑选categorical数据，因为它们的特征值大多都是字符串格式的。