Question

有没有办法同时对字符串和整数应用单热编码？ DictVectorizer用于字符串，OneHotEncoder用于整数。是否有某种结合它们（将所有特征值视为分类，无论其类型如何）？

例如：我有一个pandas DataFrame，有些列是整数，有些是字符串：

   >>> df
       a  b  c  d
    0  2  0  w  K
    1  0  1  f  K
    2  1  2  y  L
    3  0  0  f  M

所有列实际上都是分类。其中一些是整数没有意义。现在，如果我使用这样的DictVectorizer：

vectorizer = DictVectorizer(sparse=False)
df_dict = df.T.to_dict().values()
vectorizer.fit_transform(df_dict)

我为列'c'和'd'得到一个很好的大矩阵，但'a'和'b'中的值保持完全相同。我需要他们来做同样的动作。一种选择当然是在'a'和'b'上应用str函数，但这两者都是隐式的（原始数据总是整数）而且效率不高（迭代所有列，这可能是非常大并且应用浪费的任务。）。

有一种简单的方法吗？

由于

Answer 1

看起来get_dummies就是你想要的。这将采用任何列并将其转换为分类指标的轴。