使用Scikit-Learn的OneHotEncoder处理Pandas DataFrame

我试图将Pandas DataFrame中的一个包含字符串的列转换为使用Scikit-Learn的OneHotEncoder进行独热编码的等价物。我的代码如下,但无法工作:

from sklearn.preprocessing import OneHotEncoder# data is a Pandas DataFramejobs_encoder = OneHotEncoder()jobs_encoder.fit(data['Profession'].unique().reshape(1, -1))data['Profession'] = jobs_encoder.transform(data['Profession'].to_numpy().reshape(-1, 1))

它产生了以下错误(列表中的字符串已被省略):

---------------------------------------------------------------------------ValueError                                Traceback (most recent call last)<ipython-input-91-3a1f568322f5> in <module>()      3 jobs_encoder = OneHotEncoder()      4 jobs_encoder.fit(data['Profession'].unique().reshape(1, -1))----> 5 data['Profession'] = jobs_encoder.transform(data['Profession'].to_numpy().reshape(-1, 1))/usr/local/anaconda3/envs/ml/lib/python3.6/site-packages/sklearn/preprocessing/_encoders.py in transform(self, X)    730                                        copy=True)    731         else:--> 732             return self._transform_new(X)    733     734     def inverse_transform(self, X):/usr/local/anaconda3/envs/ml/lib/python3.6/site-packages/sklearn/preprocessing/_encoders.py in _transform_new(self, X)    678         """New implementation assuming categorical input"""    679         # validation of X happens in _check_X called by _transform--> 680         X_int, X_mask = self._transform(X, handle_unknown=self.handle_unknown)    681     682         n_samples, n_features = X_int.shape/usr/local/anaconda3/envs/ml/lib/python3.6/site-packages/sklearn/preprocessing/_encoders.py in _transform(self, X, handle_unknown)    120                     msg = ("Found unknown categories {0} in column {1}"    121                            " during transform".format(diff, i))--> 122                     raise ValueError(msg)    123                 else:    124                     # Set the problematic rows to an acceptable value andValueError: Found unknown categories ['...', ..., '...'] in column 0 during transform

这里是一些样本数据:

data['Profession'] =0         unkn1         safe2         rece3         unkn4         lead          ... 111988    indu111989    seni111990    mess111991    seni111992    projName: Profession, Length: 111993, dtype: object

我到底做错了什么?


回答:

后来发现Scikit-Learn的LabelBinarizer在将数据转换为独热编码格式方面表现得更好,借助Amnie的解决方案,我的最终代码如下

import pandas as pdfrom sklearn.preprocessing import LabelBinarizerjobs_encoder = LabelBinarizer()jobs_encoder.fit(data['Profession'])transformed = jobs_encoder.transform(data['Profession'])ohe_df = pd.DataFrame(transformed)data = pd.concat([data, ohe_df], axis=1).drop(['Profession'], axis=1)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注