我想知道在进行独热编码后，是否有办法将我的分类列转换为使用另一列的值，而不是在某个类别中显示二进制的“1”？

我的数据框如下所示：

ID  Location    Amount  Quantity1   TEXAS       12342   12   CALIFORNIA  23423   4

在标签编码和独热编码后，我得到的是：

ID  Location_TEXAS  Location_CALIFORNIA    Amount   Quantity1   1                  0                   12342    12   0                  1                   23423    4

是否有可能在编码列中使用Amount的值而不是二进制值？

期望的结果是：

ID  Location_TEXAS  Location_CALIFORNIA    Amount   Quantity1   12342                  0                12342   12   0                      23423            23423   4

之后，我可以完全删除Amount列。

这是我用于标签编码和独热编码的代码：

 from sklearn.preprocessing import LabelEncoder, OneHotEncoder  labelencoder_X = LabelEncoder() X[:, 0] = labelencoder_X.fit_transform(X[:, 0]) onehotencoder = OneHotEncoder(categorical_features = [0]) X = onehotencoder.fit_transform(X).toarray()

请告诉我这是否可行。任何帮助将不胜感激。

回答：

这样做会违背独热编码州变量的目的。独热编码的理念是，对于每个观测值，每个编码特征中只有一个是“热”的。

此外，这会使你的州和金额特征线性不可分，从而无法让模型独立于位置权重来调整金额的权重。除非有非常具体的理由这样做，否则我认为这不是一个好主意。