我正在尝试将目标类别二值化，同时不丢失索引号。然而，我失败了，并且在sklearn.preprocessing.label_binarize中找不到相应的选项。输入 y:

index  target 1      0 3      0 21     1 50     1

代码:

y=data['target']y=label_binarize(y, classes=[0, 1])y=np.hstack((1-y, y))

输出:

    0    10   1    01   1    02   0    13   0    1

我希望的输出

    0    11   1    03   1    021   0    150   0    1

回答：

Scikit-Learn函数可以接受Pandas数据框作为输入，但它们返回的是numpy数组。在处理数据框时，您应该考虑到这一规则。

因此，y是一个numpy数组。不过，您可以这样将其转换回数据框:

y = pd.DataFrame(y, index=data.index)  # 转换为数据框，并传递数据索引y.head()

现在，y是:

    0   11   1   03   1   021  0   150  0   1