一个技巧是将值替换为NaN s -这里每行删除一个值：

#columns with values for avoid
d = {'c1':'b', 'c2':'z'}

d1 = {k:{v: np.nan} for k, v in d.items()}
df = pd.get_dummies(df.replace(d1), columns = ['c1', 'c2'], prefix='', prefix_sep='')
print (df)
   a  c  x  y
0  1  0  1  0
1  0  0  0  1
2  0  1  0  0

如果每列需要多个remove值，请使用如下列表：

d = {'c1':['b','c'], 'c2':['z']}

d1 = {k:{x: np.nan for x in v} for k, v in d.items()}
print (d1)
{'c1': {'b': nan, 'c': nan}, 'c2': {'z': nan}}

df = pd.get_dummies(df.replace(d1), columns = ['c1', 'c2'], prefix='', prefix_sep='')
print (df)
   a  x  y
0  1  1  0
1  0  0  1
2  0  0  0

编辑：
如果每个列的值是唯一的，则在最后一步中将其删除：

df = (pd.get_dummies(df, columns = ['c1', 'c2'], prefix='', prefix_sep='')
        .drop(['b','z'], axis=1))
print (df)
   a  c  x  y
0  1  0  1  0
1  0  0  0  1
2  0  1  0  0

我强烈推荐使用sklearn！https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html
在安装了one hot编码器之后，您可以查看访问<your_fitted_instance_name>.categories_属性的类别，并且它还具有inverse_transform()功能来反转one hot编码！
至于列下降。默认值是不丢弃任何内容。但是，您可以使用OneHotEncoder(drop='first')来删除一个。

编辑：还要注意的是，sklearn提供了Pipelines，可以帮助您在整个项目中确保一致的预处理！https://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html

你可以

pd.get_dummies(, drop_first = False)

然后手动删除您不需要的级别：

df.drop('dum_b_z', axis = 1, inplace = True)