在 Pandas 中应用 One Hot Encoding 时如何避免得到 NaN

Question

我正在训练一个机器学习模型来预测我所在国家/地区的房价。我不确定如何对我的数据应用一种热编码：所以我从这里复制了代码：One Hot Encoded Labels back to DataFrame。

它似乎运作良好，只是我的其他标签现在被 NaN 取代。 Before applying the One Hot Encoding，在我应用一种热编码后，this is the output

我使用的代码如下：

print(ds.head())

categorical_feature_mask = ds.dtypes==object
categorical_cols = ds.columns[categorical_feature_mask].tolist()
labeled_ds = ds[categorical_cols]
enc = OneHotEncoder()
enc.fit(labeled_ds)

onehotlabels = enc.transform(labeled_ds).toarray()

new_columns=list()
for col, values in zip(labeled_ds.columns, enc.categories_):
    new_columns.extend([col + '_' + str(value) for value in values])

ds= pd.concat([ds, pd.DataFrame(onehotlabels, columns=new_columns)], axis='columns')

names = ['location', 'property_type']
ds.drop(names, axis=1, inplace=True)

ds.head()

关于可能导致此问题的任何想法？

Answer 1

由于索引不同，您遇到了这个问题。

您的 ds 可能有不同的索引（不是从 0 开始且连续），但您的一个热门标签数据帧从 0 开始且连续。

所以当你要进行连接时。由于索引不一样，所以你在那里得到了 nan。

请同时检查形状以确认是否由于索引不匹配导致的问题。

解决：

pd.concat([ds.reset_index(drop=True), pd.DataFrame(onehotlabels, columns=new_columns)], axis='columns')

或

（如果您想保持与ds 相同的索引）

pd.concat([ds, pd.DataFrame(onehotlabels, columns=new_columns), index=ds.index], axis='columns')