Python 为什么将虚拟变量从一个数据帧传输到另一个数据帧会创建NAN值

我有一个分类变量，有5195个不同的值，没有任何缺失值，当我使用pd.get_dummies创建虚拟变量时，它会创建没有任何缺失值或NAN值的虚拟变量

df有5列和700000行

df.head()

输出

     V  W  U  S  F  d
0    5  4  6 -1  1  0
1    7  4  6  1  8  1
2    7  4  7  1  4  2

输入

输出：

  f2 f f1 f0
0 0  0 0  0
1 1  0 0  0

现在，我将虚拟_变量传输到原始数据帧

输入

df[temp.columns] = temp

df.head()

但是，我在新列中看到了所有NA值

输出：

     V  W  U  S  F  d f2 f  f1 f0
0    5  4  6 -1  1  0 NA NA NA NA
1    7  4  6  1  8  1 NA NA NA NA
2    7  4  7  1  4  2 NA NA NA NA

在此之后，df的行数和列数与temp数据帧中的列数相同

这里的问题是什么，如何解决

谢谢

---

问题在于如何连接两个数据帧，您应该这样做

pd.concat([df,temp], axis = 1)

其他数据集的示例， 在下面的例子中，我模拟了

Store

，并加入了原始df

df
   Store  DayOfWeek  Open  Promo  StateHoliday  SchoolHoliday
1      3          4     1      1             0              0
2      7          4     1      1             0              0
3      8          4     1      1             0              0

dfx = df.drop('Store',axis = 1)

dfx
   DayOfWeek  Open  Promo  StateHoliday  SchoolHoliday
1          4     1      1             0              0
2          4     1      1             0              0
3          4     1      1             0              0

temp = pd.get_dummies(df["Store"], prefix='ST', sparse = True)

temp
   ST_3  ST_7  ST_8
1     1     0     0
2     0     1     0
3     0     0     1

pd.concat([dfx,temp],axis=1)
   DayOfWeek  Open  Promo  StateHoliday  SchoolHoliday  ST_3  ST_7  ST_8
1          4     1      1             0              0     1     0     0
2          4     1      1             0              0     0     1     0
3          4     1      1             0              0     0     0     1

---

这两种方法都描述了上述作品，然而，它显示了一些奇怪的原因。但是，仔细检查发现，所有列都包含实际值

您将需要显示一些数据，包括索引，以便人们看到这里发生了什么。您的索引在每个帧上是什么样子的？两个整数？选择

DictVectorizer

！与上面描述的问题相同。另外，我们可以使用上面的方法连接两个数据帧。这对我来说很好初始注释中缺少了

[]

。当我添加的列很少时，这两种方法都有效。当我添加7000行时，这两种方法都有相同的问题。即使我使用我尝试过的100k行，7000行也不会有问题。但很多傻瓜可能会让我们失望。

df
   Store  DayOfWeek  Open  Promo  StateHoliday  SchoolHoliday
1      3          4     1      1             0              0
2      7          4     1      1             0              0
3      8          4     1      1             0              0

dfx = df.drop('Store',axis = 1)

dfx
   DayOfWeek  Open  Promo  StateHoliday  SchoolHoliday
1          4     1      1             0              0
2          4     1      1             0              0
3          4     1      1             0              0

temp = pd.get_dummies(df["Store"], prefix='ST', sparse = True)

temp
   ST_3  ST_7  ST_8
1     1     0     0
2     0     1     0
3     0     0     1

pd.concat([dfx,temp],axis=1)
   DayOfWeek  Open  Promo  StateHoliday  SchoolHoliday  ST_3  ST_7  ST_8
1          4     1      1             0              0     1     0     0
2          4     1      1             0              0     0     1     0
3          4     1      1             0              0     0     0     1