[Python] pandas.get_dummies()

○ get_dummies 함수란?

  pandas.get_dummies()는 범주형(categorical) 데이터를 원-핫 인코딩(one-hot encoding) 방식으로 변환해주는 함수입니다. 즉, 문자열이나 범주형 열을 0과 1로 구성된 이진 변수들로 나누는 작업을 자동으로 처리해 줍니다.

 

 

○ 왜 사용하는가?

  머신러닝 모델은 대부분 숫자 데이터만 이해합니다. 문자형 데이터를 그대로 모델에 넣을 경우, 모델은 해당 데이터가 크고 작다는 의미를 가진다고 오해할 수 있습니다. 이를 방지하기 위해 get_dummies()를 사용해 의미 있는 숫자 표현으로 변환해주는 것이죠.

예를 들어 다음과 같은 데이터가 있을 때:

 

import pandas as pd

df = pd.DataFrame({'색상': ['빨강', '파랑', '초록']})

pd.get_dummies(df)

   색상_빨강  색상_파랑  색상_초록
0       1        0         0
1       0        1         0
2       0        0         1

 

 

 

○ 주요 파라미터 설명

• data: 인코딩할 데이터프레임 혹은 시리즈
• columns: 원-핫 인코딩할 열 지정 (기본값은 모든 범주형 열)
• prefix / prefix_sep: 생성된 열 이름에 붙을 접두사와 구분자
• drop_first: True로 설정하면 첫 번째 범주는 제거 (더미 변수의 다중공선성 방지)
• dtype: 반환되는 열의 데이터 타입 지정 (기본값: np.uint8)

pd.get_dummies(df, drop_first=True)

   색상_파랑  색상_초록
0      0        0
1      1        0
2      0        1

 

 

○ get_dummies vs OneHotEncoder

구분	get_dummies	OneHotEncoder (from sklearn)
사용 목적	빠르게 인코딩	모델 파이프라인에 통합
반환형	pandas.DataFrame	numpy.ndarray or sparse matrix
파라미터 제어	간단함	정밀 제어 가능
결측치 처리	자동 처리 안 됨	처리 옵션 제공

 

 

 

 

○ 주의할 점

• 범주 수가 많을 경우 차원이 급격히 증가할 수 있습니다 (고차원 문제)
• 데이터 분할 전에 get_dummies를 적용하면 train/test 간 차원이 달라질 수 있으므로 주의가 필요합니다
• drop_first 사용 시 모델 해석이 쉬워지지만, 정보 손실이 발생할 수 있습니다

 

 

○ 마무리

  pandas.get_dummies()는 매우 유용하면서도 간단한 인코딩 도구입니다. 데이터 전처리에서 자주 쓰이므로, 그 동작 원리와 특징을 잘 이해해두면 실전에서 큰 도움이 됩니다.