遵循 Pandas 文档:

>>> s1 = ['a', 'b', np.nan]

>>> pd.get_dummies(s1)
   a  b
0  1  0
1  0  1
2  0  0

>>> pd.get_dummies(s1, dummy_na=True)
   a  b  NaN
0  1  0    0
1  0  1    0
2  0  0    1

现在，我不明白为什么有人需要使用 Dummy_na，我也没有在 stackoverflow 上找到任何关于此的评论。

作为从事数据科学工作的人，我想知道以这种方式标记 NaN 值是否有任何好处

最佳答案

正如您在示例中看到的，第三项没有任何值。这也是一个有值(value)的功能。例如，如果每个特征都是患者患有的一种疾病，您可能想知道患者没有任何疾病。

关于python - Pandas - 函数 get_dummies() 中参数 dummy_na 的好处/用例是什么？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/61337427/