我遇到了 OnehotEncoder 的问题答案

【问题标题】：I'm facing an issue with OnehotEncoder我遇到了 OnehotEncoder 的问题
【发布时间】：2019-04-02 02:10:32
【问题描述】：

代码如下：

import numpy as np
import pandas as pd


dataset = pd.read_csv('googleplaystore.csv')

X = dataset.iloc[:, :3].values

from sklearn.preprocessing import LabelEncoder, OneHotEncoder


labelencoder = LabelEncoder()


X[:, 1] = labelencoder.fit_transform(X[:, 1])


onehotencoder = OneHotEncoder(categorical_features = [1])


X = onehotencoder.fit_transform(X).toarray()

ValueError：无法将字符串转换为浮点数：'iHoroscope - 2018 每日星座运势和占星术'

这里是 csv 文件的链接：https://drive.google.com/file/d/1Z3uT_tU9QsdE8QSBd8husItHeh36ztZa/view?usp=drivesdk

【问题讨论】：

也许您可以发布几行数据文件，因为它只有 3 列。在标签编码器步骤之前和之后查看可能会有所帮助。（我无法在工作中访问 Google Drive）
你在做onehotencoder.fit_transform(X) 你的X 会有一些字符串值导致这个错误。你确定使用X而不是X[:, 1]不是错字吗？
如果我尝试 onehotencoder.fit_transform(X[:, 1])，会得到以下结果： ValueError: Expected 2D array, got 1D array instead: array=[ 1. 1. 1. ... 21. 4. 19.]。如果您的数据具有单个特征，则使用 array.reshape(-1, 1) 重塑您的数据，如果它包含单个样本，则使用 array.reshape(1, -1)。
您可以使用pd.get_dummies(dataset['col']) 或pd.get_dummies(dataset.iloc[ : , : 3) 获得与来自sklearn 的OneHotEncoder 相同的结果

标签： python scikit-learn

【解决方案1】：

按照以下答案尝试使用 DictVectorizer：https://stackoverflow.com/a/33010943/10548514。至于直接处理涉及OneHotEncoder的问题：

在运行您的代码时，它没有使用正确的列进行一次性编码（categorical_features 已弃用），因此在您的标签编码之后，一个快速而肮脏的解决方法是将转换专门应用于该列你想要（重塑是必要的）：

onehotencoder = OneHotEncoder(categories='auto')
y = onehotencoder.fit_transform(X[:, 1].reshape(-1, 1))

【讨论】：

代码中的 'X[:, 1] = labelencoder.fit_transform(X[:, 1])' 不做这项工作吗？
onehotencoder = OneHotEncoder(); y = onehotencoder.fit_transform(X[:, 1].reshape(-1, 1)) 为我工作。
另外，您应该考虑在读取 .csv 文件后从数据集中删除 nans

【解决方案2】：

由于 categorical_features 自 0.20 版起已弃用（并将在 0.22 中删除），scikit-learn 建议您改用 ColumnTransformer。

这只是将不同的转换器应用于不同的列的一种便捷方式。

以下是如何使用 ColumnTransformer 对列进行一次性编码：

from sklearn.compose import ColumnTransformer

#Specify what you want to do, and provide column index
ct = ColumnTransformer([('ohe', OneHotEncoder(), [1])])

ohe_category = ct.fit_transform(X)

这为您提供了一个单热编码的稀疏矩阵。您可以将其转换为dense：

ohe_category.todense()

也就是说，我建议您继续使用pd.get_dummies（正如@JonasCristens 所提到的），因为它使用起来要简单得多：

pd.get_dummies(dataset['Category'])

【讨论】：