如何使用 pandas 或 tensorflow 对类别特征进行一次热编码？

Question

数据是这样的：

   features1    features2       labels
1      1            563           1
2      1            254           1
3   missing         145           1
4      0            126           1
5      0            145           0
6      1            124           0
7      0            456           0

我将把这些数据应用到 Tensorflow 训练过程中，所以我想对特征 1 的值进行 one-hot 编码。

上面数据的矩阵是：

[[1,563,1],
 [2,254,1],
 [missing,145,1],
 [0,126,1],
 [0,145,0],
 [1,124,0],
 [0,456,0]]

所以我认为它可以单热编码为：

> [1,0,0] represents 1 
> [0,1,0] represents 0
> [0,0,1] represents 'missing'

我想要的输出是这样的：

[[1,0,0,563,1],
 [1,0,0,254,1],
 [0,0,1,145,1],
 [0,1,0,126,1],
 [0,1,0,145,0],
 [1,0,0,124,0],
 [0,1,0,456,0]]

我试过 pd.get_dummies。但我做不到。

Answer 1

我不确定您是如何使用 pd.get_dummies 的，但请注意，此函数会为您生成一个新的数据帧或数组，因此如果您想将 1 个热编码应用于数组中的第一列并保留另一个列原样，您需要像这样重新分配您的数组：

newArrayWithOneHotEncoding = pd.get_dummies(arrayThatYouWantToTransform, columns = ['firstColumnHeader'])

更新： 我忘了提到您需要为缺少的例如 -1 设置一个不同的值，然后以这种方式应用一个热编码，您将拥有三个新列