特征工程，ValueError：列必须与键长度相同

Question

我在尝试对Type 列进行编码时遇到了ValueError: Columns must be same length as key。以下是代码，不知道哪一部分错了。

df.head()

plt.figure(figsize=(7, 5))
sns.heatmap(df.isnull(), cmap='viridis')
df.isnull().any()

df.isnull().sum()

df['Rating'] = df['Rating'].fillna(df['Rating'].median())

replaces = [u'\u00AE', u'\u2013', u'\u00C3', u'\u00E3', u'\u00B3', '[', ']', "'"]
for i in replaces:
    df['Current Ver'] = df['Current Ver'].astype(str).apply(lambda x : x.replace(i, ''))

regex = [r'[-+|/:/;(_)@]', r'\s+', r'[A-Za-z]+']
for j in regex:
    df['Current Ver'] = df['Current Ver'].astype(str).apply(lambda x : re.sub(j, '0', x))

df['Current Ver'] = df['Current Ver'].astype(str).apply(lambda x : x.replace('.', ',',1).replace('.', '').replace(',', '.',1)).astype(float)
df['Current Ver'] = df['Current Ver'].fillna(df['Current Ver'].median())

i = df[df['Category'] == '1.9'].index
df.loc[i]

df = df.drop(i)

df = df[pd.notnull(df['Last Updated'])]
df = df[pd.notnull(df['Content Rating'])]

le = preprocessing.LabelEncoder()
df['App'] = le.fit_transform(df['App'])

category_list = df['Category'].unique().tolist() 
category_list = ['cat_' + word for word in category_list]
df = pd.concat([df, pd.get_dummies(df['Category'], prefix='cat')], axis=1)

le = preprocessing.LabelEncoder()
df['Genres'] = le.fit_transform(df['Genres'])

le = preprocessing.LabelEncoder()
df['Content Rating'] = le.fit_transform(df['Content Rating'])

df['Price'] = df['Price'].apply(lambda x : x.strip('$'))

df['Installs'] = df['Installs'].apply(lambda x : x.strip('+').replace(',', ''))

df['Type'] = pd.get_dummies(df['Type'])

Answer 1

您正在尝试将具有多列到一列的 DataFrame 映射到原始 DataFrame。

pd.get_dummies 返回一个 DataFrame，其中每个值对应一个列。

如果您想将这些值添加到原始 DataFrame 中，您可以使用 concat。

例子：

import pandas as pd

df = pd.DataFrame(data=['type1', 'type2', 'type3'], columns=['Type'])
dummies_df = pd.get_dummies(df['Type'])
pd.concat([df, dummies_df], axis=1)