使用 OneHotEncoder 和 sklearn_pandas DataFrameMapper

Question

我正在尝试使用 sklearn_pandas DataFrameMapper。这需要列名以及该列所需的预处理转换函数。像这样，

mapper = sklearn_pandas.DataFrameMapper([
    ('hour',None),
    ('season',sklearn.preprocessing.OneHotEncoder()),
    ('holiday',None)
])

season 是我的 pandas DataFrame 中的一个 int64 col。

这给了我以下错误 - 要解压缩的值太多。 我知道 OneHotEncoder 采用二维样本而不是一维样本。

我如何才能将这个 OneHotEncoder 与 sklearn_pandas 一起使用，还是不可能。

Answer 1

sklearn-pandas正式版在处理一维数组和变换时存在一些问题。尝试以下叉子： https://github.com/dukebody/sklearn-pandas

但是，我认为您可以使用LabelBinarizer（如sklearn_pandas 示例）而不是OneHotEncoder 来完成您想要的。

2015 年 11 月 28 日更新

在sklearn-pandas>=0.0.12，您可以通过以下方式解决您的问题：

mapper = sklearn_pandas.DataFrameMapper([
    ('hour',None),
    (['season'],sklearn.preprocessing.OneHotEncoder()),
    ('holiday',None)
])

来自文档：

将列选择器指定为'column'（如 一个简单的字符串）和['column']（作为一个包含一个元素的列表）是 传递给变压器的阵列的形状。在第一 情况下，传递一个一维数组，而在第二种情况下 它将是一个具有一列的二维数组，即一列 向量。