热编码值到 DataFrame 以进行逻辑回归

Question

我正在尝试对具有某些分类值的特征的数据集运行逻辑回归。为了通过回归处理这些特征，我打算对它们进行编码

#Select categorical features only & encode name numerically with LabelEncoder
cat_features = df.select_dtypes(include=[object])

label_enc = preprocessing.LabelEncoder()
le_features = cat_features.apply(label_enc.fit_transform)

#Aggregate all encoded values into a binary matrix
enc = preprocessing.OneHotEncoder()
enc.fit(le_features)
final_cat_features = enc.transform(le_features).toarray()

运行此代码后，我确实确认它返回了一个编码矩阵

(4665, 290)
<class 'numpy.ndarray'>

这就是我卡住的地方。我应该如何准确地从中重新生成数据框？！我是否应该将 290 列连接在一起，以便最终将新功能添加到我的新数据框中？如果没有，我不得不说我被困在这里了。

Answer 1

您应该将所有 290 列与剩余（即非分类或数字）值一起添加到数据框中。为此，您可以从数组创建一个数据框并将其连接到原始数据框：

final_cat_features_df = pd.DataFrame(final_cat_features, index=df.index)
df = df.join(final_cat_features_df)

作为替代方案，您可能想看看 pandas get_dummies。