使用OneHotEncoder和sklearn_pandas DataFrameMapper

Question

我正在尝试使用sklearn_pandas DataFrameMapper。这将获取列名以及该列所需的预处理Transformation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int64 col。

这给了我以下错误 - 要解压缩的值太多。 我知道OneHotEncoder采用2-D样本而不是1-D样本。

如何将此OneHotEncoder与sklearn_pandas一起使用，或者不可能。

Answer 1

sklearn-pandas的官方版本在处理一维数组和转换时存在一些问题。尝试以下fork： https://github.com/dukebody/sklearn-pandas

但是，我认为您可以使用LabelBinarizer（如sklearn_pandas示例中）代替OneHotEncoder来完成您想要的任务。

更新2015-11-28

在sklearn-pandas>=0.0.12中，您可以解决以下问题：

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']（作为一个元素的列表）是   传递给变换器的数组的形状。在第一个   case，可以传递一维数组，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   矢量。