虛擬變數（dummy variables）：虛擬變數，也叫啞變數和離散特徵編碼。可用來表示分類變數、費數量因素可能產生的影響

01 離散特徵的取值之間有大小意義

例如：尺寸（L、XL、XXL）

02 離散特徵的取值之間沒有大小的意義

例如：顏色

1  離散特徵的取值之間有大小的意義的處理函式

    pamdas.Series.map(dict)

    離散特徵的取值之間有大小意義的處理函式。
    dict 對映的字典
    
  
2 離散特徵的取值之間沒有大小的意義的處理函式

## 函式

pandas.get_dummies(data,prefix=None,prefix_sep='',dummy_na=False,columns=None,drop_first=False)

01 data: 要處理的DataFrame
02 prefix：列名的字首，在多個列有相同的離散項時候使用

03 prefix_sep  字首和離散值得分隔符，預設為下劃線，莫惹即可

04 dummy_na  是否把NA值，作為一個離散值進行處理，預設不處理。

05 columns 要處理的列名，如果不指定該列，那麼預設處理所有的列

06 drop_first  是否從備選項中刪除第一個，建模的時候為避免共線性使用

3 案例：

import pandas

data=pandas.read_csv(
        'D:\\DATA\\pycase\\4.18虛擬變數\\data.csv',
            engine='python',
            sep=',',
            encoding='utf8'
            )

## 檢視去重之後的學歷分類（有大小區分）

data['Education Level'].drop_duplicates()

"""
博士後 Post-Doc
博士   Doctorate
碩士   Master's Degree
學士   Bachelor's Degree
副學士 Associate's Degree
專業院校  some college
職業學校  Trade School
高中      High School
小學      Grade School
"""

# 對字典進行命名

educationLevelDict={
        'Post-Doc':9,
        'Doctorate':8,
        'Master\'s Degree':7,
       'Bachelor\'s Degree':6,
       'Associate\'s Degree':5,
       'some college':4,
       'Trade School':3,
       'High School':2,
       'Grade School':1
       }

# 增加虛擬變數

data['Education Level Map']=data[
        'Education Level'
    ].map(educationLevelDict)

02 性別去重（沒有大小衡量）

data['Gender'].drop_duplicates()

# 無法進行大小比較的指標進行虛擬變數的轉化和新增

dumies=pandas.get_dummies(
        data,
        columns=['Gender'],
        prefix=['Gender'],
        prefix_sep="_",
        dummy_na=False,
        drop_first=False
        )

data['Gender2']=dumies['Gender']