如何使用 sklearn 中的一个热编码器转换分类列

Question

我有一个带有分类列的数据框，我正在尝试使用sklearn 使用下面的代码段来one hot encode 它

oneEncoder= OneHotEncoder()
features['COL2'] = features['COL2'].apply(lambda col :  oneEncoder.fit_transform(col))

但它一直在扔 ValueError: Expected 2D array, got scalar array instead: array=1771. Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

我也试过

oneEncoder= OneHotEncoder() #initializing an object of class LabelEncoder
oneEncoder.fit_transform( features['COL2'])

但它会抛出 ValueError: Expected 2D array, got 1D array instead:

Answer 1

你可以直接做

categories = pd.get_dummies(features['COL2'])

否则你可以传递一个二维数组

oneEncoder.fit_transform( features[['COL2']].values)

Answer 2

试试：

oneEncoder.fit_transform(df[["Col2"]]).todense()

假设我们有：

features = pd.DataFrame({"Col2":["a","b","c"]})

然后：

oneEncoder= OneHotEncoder()
oneEncoder.fit_transform(features[["Col2"]]).todense()
matrix([[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]])

如果您正在处理 Series 对象，您可能希望对其进行重塑：

oneEncoder.fit_transform(features.Col2.values.reshape(-1,1)).todense()
matrix([[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]])

删除todense() 方法会将您的转换留在稀疏矩阵中。

最后，您可能总是通过以下方式解码矩阵的列的含义：

oneEncoder.categories_
[array(['a', 'b', 'c'], dtype=object)]

毫不奇怪，它们是按字母顺序排列的独特输入。