我有一个数据集，其中包含200多个数值变量（类型：int）。在这些变量中，有一些是分类变量，其值类似于(0,1)或(0,1,2,3,4)等。

我需要识别这些分类变量并对它们进行虚拟化处理。识别和虚拟化这些变量需要花费大量时间 – 有没有什么简单的方法可以做到这一点？

回答：

您可以根据变量的唯一值的数量来判断某些变量是否为分类变量，或者将它们视为分类变量。例如，如果一个变量的唯一值只有[-2,4,56]，您可以将其视为分类变量。

import pandas as pdimport numpy as npcol = [c for c in train.columns if c not in ['id','target']]numclasses=[]for c in col:    numclasses.append(len(np.unique(train[[c]])))threshold=10categorical_variables = list(np.array(col2)[np.array(numclasses2)<threshold]

将每个变量的每个唯一值视为分类变量时，会创建一个新的列。如果您希望稍后创建的虚拟变量列数量不多，可以使用较小的阈值。