我想使用 pd.get_dummies（）将特定类别变量转换为虚拟变量，以用于测试和训练数据，因此，我使用了for循环，而不是分别对它们进行处理。但是，以下代码不起作用，并且 .head（）返回相同的数据集。
combine = [train_data,test_data]
for dataset in combine:
dummy_col = pd.get_dummies(dataset['targeted_sex'])
dataset = pd.concat([dataset,dummy_col],axis = 1)
dataset.drop('targeted_sex',axis = 1,inplace = True)
train_data.head() # does not change
即使我使用了遍历这样的索引的迭代器，也仍然无法使用。
for i in range(len(combine)):
我可以寻求帮助吗？另外，Pandas get_dummies（）不提供就地选项。
出于参考目的，我将使用字典：
创建训练和测试词典：
combine={'train_data':train_data,'test_data':test_data}
使用此代码使用dict理解：
new_combine={k:pd.concat([dataset,pd.get_dummies(dataset['targeted_sex'])],axis = 1)
.drop('targeted_sex',1) for k,dataset in combine.items()}
现在通过参考以下按键打印测试并进行训练：
print(new_combine['train_data']) #same for test
您需要打印dataset.head()而不是train_data.head()。
您可以使用此功能：
df：数据框 todummy_list：将是虚拟变量的列名列表
def dummy_df(df,todummy_list):
for x in todummy_list:
dummies = pd.get_dummies(df[x],prefix=x,dummy_na=False)
df = df.drop(x,1)
df = pd.concat([df,dummies],axis=1)
return df