为逻辑回归转换数据框（一种热编码）

【问题标题】：Transforming Dataframe for logistic regression (one hot encoding)为逻辑回归转换数据框（一种热编码）
【发布时间】：2020-08-31 17:52:01
【问题描述】：

我正在尝试在 python 中运行逻辑回归。我的数据由数字和分类数据组成。我想使用性别、年龄和食物偏好来预测某人是否喜欢猫。

我在想我需要对 Food_preference 进行一次热编码（见下文），但不确定具体该怎么做。能否请你帮忙？谢谢！

原始数据框

Name    Gender  Age Like_cats   Food_preference
John    M   30  Yes Apple
John    M   30  Yes Orange
John    M   30  Yes Steak
Amy F   20  No  Apple
Amy F   20  No  Grape

所需的数据帧

Name    Gender  Age Like_cats   Apple   Orange  Steak   Grape
John    M   30  Yes 1   1   1   0
Amy F   20  No  1   0   0   1

【问题讨论】：

标签： python logistic-regression one-hot-encoding

【解决方案1】：

您可以使用 LabelEncoder 将字符串特征转换为数字特征。

https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html#sklearn.preprocessing.LabelEncoder

这是一个与你的数据结构相同的工作代码：

from sklearn.linear_model import LogisticRegression
import pandas as pd
from sklearn import preprocessing
import numpy as np



X = pd.DataFrame([['a', 0], ['b', 1], ['a', 5], ['b', 100]])
y = [0, 1, 0, 1]

X_n = [[]]*len(X.columns)

i = 0
for c in X.columns:
    if type(X[c].iloc[0]) == str: # if features are string encode them
        le = preprocessing.LabelEncoder()
        le.fit( list(set(X[c])) )
        X_n[i] = le.transform(X[c]) 
    else: # already numeric features
        X_n[i] = list(X[c])
    i += 1

X_n = np.array(X_n).T # transposing to make rows as per sample feature
print(X_n)

clf = LogisticRegression(random_state=0).fit(X_n, y)

【讨论】：