我在Excel中有这个表:
id class
0 2 3
1 1 3
2 3 5
现在,我想在Python中进行'特殊'单热编码。 对于第一个表中的每个id,有两个数字。每个数字对应一个类(class1,class2等)。第二个表是基于第一个表创建的,对于每个id,其行中的每个数字都显示在其对应的类列中,而其他列只是得到零。例如,id 0的数字是2和3. 2位于class2,3位于class3。类1,4和5的默认值为0.结果应该是:
id class1 class2 class3 class4 class5
0 0 2 3 0 0
1 1 0 3 0 0
2 0 0 3 0 5
我之前的解决方案,
foo = lambda x: pd.Series([i for i in x.split()])
result=onehot['hotel'].apply(foo)
result.columns=['class1','class2']
pd.get_dummies(result, prefix='class', columns=['class1','class2'])
结果:
class_1 class_2 class_3 class_3 class_5
0 0.0 1.0 0.0 1.0 0.0
1 1.0 0.0 0.0 1.0 0.0
2 0.0 0.0 1.0 0.0 1.0
(class_3出现两次)。我该怎么做才能解决这个问题? (在此步骤之后,我可以将其转换为我想要的最终格式。)
答案 0 :(得分:4)
您需要将变量设为categorical
,然后才能使用one hot encoding
,如下所示:
In [18]: df1 = pd.DataFrame({"class":pd.Series(['2','1','3']).astype('category',categories=['1','2','3','4','5'])})
In [19]: df2 = pd.DataFrame({"class":pd.Series(['3','3','5']).astype('category',categories=['1','2','3','4','5'])})
In [20]: df_1 = pd.get_dummies(df1)
In [21]: df_2 = pd.get_dummies(df2)
In [22]: df_1.add(df_2).apply(lambda x: x * [i for i in range(1,len(df_1.columns)+1)], axis = 1).astype(int).rename_axis('id')
Out[22]:
class_1 class_2 class_3 class_4 class_5
id
0 0 2 3 0 0
1 1 0 3 0 0
2 0 0 3 0 5
答案 1 :(得分:3)
这是否满足您所述的问题?
on run
tell application "Finder"
set theItem to selection as string
end tell
set posixForm to POSIX path of theItem
set the clipboard to posixForm
end run
输出:
#!/usr/bin/python
input = [
(0, (2,3)),
(1, (1,3)),
(2, (3,5)),
]
maximum = max(reduce(lambda x, y: x+list(y[1]), input, []))
# Or ...
# maximum = 0
# for i, classes in input:
# maximum = max(maximum, *classes)
# print header.
print "\t".join(["id"] + ["class_%d" % i for i in range(1, 6)])
for i, classes in input:
print i,
for r in range(1, maximum+1):
print "\t",
if r in classes:
print float(r),
else:
print 0.0,
print
答案 2 :(得分:3)
将原始数据框分成3列可能更简单:
id class_a class_b
0 2 3
1 1 3
2 3 5
然后对其执行正常的单热编码。之后,您可能会得到以下列的重复内容:
id ... class_a_3 class_b_3 ... class_b_5
0 0 1 0
1 0 1 0
2 1 0 0
但你可以简单地合并/总结那些事实。
同样,您可以转动相同的逻辑并将您的df转换为以下形式:
id class
0 2
0 3
1 1
1 3
2 3
2 5
然后炙手可热,并在密钥id上使用sum汇总。