我尝试使用一个示例数据框：
data = [['Alex','USA',0],['Bob','India',1],['Clarke','SriLanka',0]]df = pd.DataFrame(data,columns=['Name','Country','Traget'])从这里开始，我使用get_dummies将字符串列转换为整数：
column_names=['Name','Country'] one_hot = pd.get_dummies(df[column_names]) 转换后的列为：Age,Name_Alex,Name_Bob,Name_Clarke,Country_India,Country_SriLanka,Country_USA
数据切片。
x=df[["Name_Alex","Name_Bob","Name_Clarke","Country_India","Country_SriLanka","Country_USA"]].values y=df['Age'].values将数据集分成训练集和测试集
from sklearn.cross_validation import train_test_splitx_train,x_test,y_train,y_test=train_test_split(x,y,train_size=float(0.5),random_state=0)逻辑回归
from sklearn.linear_model import LogisticRegressionlogreg = LogisticRegression()logreg.fit(x_train, y_train)现在，模型已经训练完成。
假设我想通过提供“Name”和“Country”来预测“target”，例如：[“Alex”,”USA”]。
预测。
如果我使用这个：
logreg.predict([["Alex","USA"]]) 显然这是行不通的。
问题1）在训练过程中应用独热编码后，如何测试预测？
问题2）如何对仅包含“Name”和“Country”的样本CSV文件进行预测？
回答：
我建议你使用sklearn的标签编码器和独热编码器包，而不是pd.get_dummies。
一旦你为每个特征初始化了标签编码器和独热编码器，就将其保存到某个地方，这样当你想要对数据进行预测时，你可以轻松地导入保存的标签编码器和独热编码器，并再次对你的特征进行编码。
这样，你的特征编码方式与你在制作训练集时相同。
以下是我用于保存编码器的代码：
labelencoder_dict = {}onehotencoder_dict = {}X_train = Nonefor i in range(0, X.shape[1]): label_encoder = LabelEncoder() labelencoder_dict[i] = label_encoder feature = label_encoder.fit_transform(X[:,i]) feature = feature.reshape(X.shape[0], 1) onehot_encoder = OneHotEncoder(sparse=False) feature = onehot_encoder.fit_transform(feature) onehotencoder_dict[i] = onehot_encoder if X_train is None: X_train = feature else: X_train = np.concatenate((X_train, feature), axis=1)现在我保存这个onehotencoder_dict和labelencoder_dict，并在以后用于编码。
def getEncoded(test_data,labelencoder_dict,onehotencoder_dict): test_encoded_x = None for i in range(0,test_data.shape[1]): label_encoder = labelencoder_dict[i] feature = label_encoder.transform(test_data[:,i]) feature = feature.reshape(test_data.shape[0], 1) onehot_encoder = onehotencoder_dict[i] feature = onehot_encoder.transform(feature) if test_encoded_x is None: test_encoded_x = feature else: test_encoded_x = np.concatenate((test_encoded_x, feature), axis=1) return test_encoded_x