【发布时间】：2021-04-15 21:10:09
【问题描述】：
我正在解决一些问题，但有如下疑问：
在数据集中有一个文本列具有以下唯一值：
array(['1 bath', 'na', '1 shared bath', '1.5 baths', '1 private bath',
'2 baths', '1.5 shared baths', '3 baths', 'Half-bath',
'2 shared baths', '2.5 baths', '0 shared baths', '0 baths',
'5 baths', 'Private half-bath', 'Shared half-bath', '4.5 baths',
'5.5 baths', '2.5 shared baths', '3.5 baths', '15.5 baths',
'6 baths', '4 baths', '3 shared baths', '4 shared baths',
'3.5 shared baths', '6 shared baths', '6.5 shared baths',
'6.5 baths', '4.5 shared baths', '7.5 baths', '5.5 shared baths',
'7 baths', '8 shared baths', '5 shared baths', '8 baths',
'10 baths', '7 shared baths'], dtype=object)
如果我使用 Count Vectorize 将它们转换为一种热编码，
vectorizer = CountVectorizer()
vectorizer.fit(X_train[colname].values)
我收到以下错误：
AttributeError: 'float' 对象没有属性 'lower'
请告诉我错误的原因。
我可以用它代替吗：
pd.Categorical(_DF_LISTING_EDA.bathrooms_text).codes
One hot encoding 和 pd.categorical.code 有什么区别？
谢谢 阿米特·莫迪
【问题讨论】：
-
您当前使用
CountVectorizer的代码与一种热编码无关。一种热编码也不是计数矢量化。你想做什么？ -
我正在尝试将这些分类数据转换为 One hot encoding
标签： python pandas scikit-learn categorical-data one-hot-encoding