patient_dummies = pd.get_dummies(df['PatientSerial'], prefix='Serial_', drop_first = True)df = pd.concat([df, patient_dummies], axis = 1)df.drop(['PatientSerial'], inplace = True, axis = 1)machine_dummies = pd.get_dummies(df['MachineID'], drop_first = True)df = pd.concat([df, machine_dummies], axis = 1)df.drop(['MachineID'], inplace = True, axis = 1)

我有一个数据框df，其中有两列我想将其转换为无序分类变量。除了分别处理每列之外，是否有更有效的方法来实现这个目标？我之前考虑过以下方法：

patient_dummies = pd.get_dummies(df['PatientSerial'], prefix='Serial_', drop_first = True)machine_dummies = pd.get_dummies(df['MachineID'], drop_first = True)df = pd.concat([df, patient_dummies + machine_dummies], axis = 1)df.drop(['PatientSerial','MachineID'], inplace = True, axis = 1)

但这种方法没有奏效；它为所有条目生成了’nan’而不是0和1。

回答：

是的：pandas.get_dummies() 接受一个 columns 参数。如果你传递数据框中的列名，它会将这两个列转换为虚拟变量，作为你传递的整个数据框的一部分返回。

df = pd.get_dummies(df, columns=['PatientSerial', 'MachineID'], drop_first=True)

例如：

np.random.seed(444)v = np.random.choice([0, 1, 2], size=(2, 10))df = pd.DataFrame({'other_col': np.empty_like(v[0]),                   'PatientSerial': v[0],                   'MachineID': v[1]})pd.get_dummies(df, columns=['PatientSerial', 'MachineID'],               drop_first=True, prefix=['Serial', 'MachineID'])   other_col  Serial_1  Serial_2  MachineID_1  MachineID_20          2         0         0            0            11          1         0         0            0            12          2         0         0            0            03          2         1         0            1            04          2         0         1            0            05          2         1         0            0            16          2         0         1            0            07          2         1         0            0            18          2         1         0            0            09          2         1         0            0            1