关于 OneHotEncoding - Python 的问题

Question

我正在开展一个项目，将 One Hot Encoding 技术应用于 .binetflow 文件的分类列。

代码：

import pandas as pd
from sklearn.preprocessing import LabelEncoder,OneHotEncoder

mydataset = pd.read_csv('originalfiletest.binetflow')

le = LabelEncoder()
dfle = mydataset
dfle.State = le.fit_transform(dfle.State)
X = dfle[['State']].values
ohe = OneHotEncoder()
Onehot = ohe.fit_transform(X).toarray()

dfle['State'] = Onehot

mydataset.to_csv('newfiletest.binetflow', columns=['Dur','State','TotBytes','average_packet_size','average_bits_psecond'], index=False)

Original binetflow file

目前，我正在使用 Pandas，并且能够应用该技术。问题是当我需要写入第二个文件。

当我尝试编写时，我期望的输出是，例如：变量 Onehot 中的 0001 或 0.0.0.1，但是当我尝试将它传递给列 dfle[' 时得到的是 0.0 或 1.0状态']。 图片可以在下面找到。

variable Onehot

column dfle['State']

此外，应该只写的列，当我在编译器上写 print 时，它显示正确，但是当它写入文件时，它会添加几个小数位。

Original and new binetflow file

Answer 1

Onehot 是 numpy 数组，问题在于您将数组分配给数据框列

import pandas as pd
from sklearn.preprocessing import LabelEncoder, OneHotEncoder

mydataset = pd.DataFrame(data={'State': ['a', 'a', 'b', 'c', 'a', 'd']})

le = LabelEncoder()

mydataset.State = le.fit_transform(mydataset.State)
X = mydataset[['State']].values
ohe = OneHotEncoder()
Onehot = ohe.fit_transform(X).toarray()

dx = pd.DataFrame(data=Onehot)

mydataset['State'] = (dx[dx.columns[0:]].apply(lambda x: ','.join(x.dropna().astype(int).astype(str)), axis=1))

mydataset.to_csv('newfiletest.binetflow',
                 columns=['Dur', 'State', 'TotBytes', 'average_packet_size', 'average_bits_psecond'], index=False)