Question

我有一个包含两列类别标签数据（NBA球队名称）的数据集。我想做的是使用一种热编码来生成二进制一维向量，作为代表每个团队的数组。这是我的代码：

from sklearn.preprocessing import MultiLabelBinarizer
one_hot_encoder = MultiLabelBinarizer()
table["Teams"] = one_hot_encoder.fit_transform(table["Teams"])

编码器正常工作，并相应地生成数组。换句话说，

one_hot_encoder.fit_transform(table["Teams"])

正确生成以下内容：

Link to encoder result screenshot

但是，当我尝试将数组存储到列中时，如下所示：

table["Teams"] = one_hot_encoder.fit_transform(table["Teams"])

似乎没有正确保存它。

Link to data frame result screenshot

相反，它看起来好像该列只是获取每个数组的第一个值，而不是存储整个数组。我应该如何解决这个问题？

Answer 1

我认为需要将2d数组转换为list s：

table = pd.DataFrame({"Teams":list('aaasdffds')})

from sklearn.preprocessing import MultiLabelBinarizer
one_hot_encoder = MultiLabelBinarizer()

table["Teams"] = one_hot_encoder.fit_transform(table["Teams"]).tolist()
print (table)
          Teams
0  [1, 0, 0, 0]
1  [1, 0, 0, 0]
2  [1, 0, 0, 0]
3  [0, 0, 0, 1]
4  [0, 1, 0, 0]
5  [0, 0, 1, 0]
6  [0, 0, 1, 0]
7  [0, 1, 0, 0]
8  [0, 0, 0, 1]

但是不建议将数组或列表存储到一列，因为不可能使用向量化方法/函数，最好创建DataFrame：

table = pd.DataFrame(one_hot_encoder.fit_transform(table["Teams"]), 
                     columns=one_hot_encoder.classes_)
print (table)

   a  d  f  s
0  1  0  0  0
1  1  0  0  0
2  1  0  0  0
3  0  0  0  1
4  0  1  0  0
5  0  0  1  0
6  0  0  1  0
7  0  1  0  0
8  0  0  0  1

Answer 2

意识到您需要在DataFrame中创建一个列表。您可以将数组存储为列表，熊猫不会对其进行修改。

from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
encoded_array = mlb.fit_transform(table['Teams'])
table['Teams'] = [ [encoded_array [i,:]] for i in range(table.shape[0]) ]

将数组存储为Pandas列中的值

2 个答案: