Question

我有一组有28列的电影数据集。其中一个是流派。对于该数据集中的每一行，列类型的值的形式为“动作|动画|喜剧|家庭|幻想”。我想用pandas.get_dummies（）对它们进行编码，但由于列有多个值，如何处理这些条件？

我附加了示例数据，但只附加了相关列Data。我希望输出为Output。

但是当我使用下面的代码将分类值转换为二进制时，

import pandas as pd
Data = pd.read_csv('sample.csv', encoding = "ISO-8859-1")
DataConverted = pd.get_dummies(Data)
DataConverted.to_csv('sample_out.csv')

输出如下所示（我无法发布两张以上的图片）：

movie_title_Avatar ,movie_title_Pirates of the Caribbean: At World's End ,movie_title_Spectre ,genres_Action|Adventure|Fantasy,genres_Action|Adventure|Fantasy|Sci-Fi,genres_Action|Adventure|Thriller
1.0,0.0,0.0,0.0,1.0,0.0
0.0,1.0,0.0,1.0,0.0,0.0
0.0,0.0,1.0,0.0,0.0,1.0

Answer 1

这里的这个有点棘手，但我可以保证没有多种类型。所以你可以使用2 ^ n形式的值来制作常量。例如，Action类型将具有常量值1;冒险类型可能是2;和幻想4.然后，你可以保存表演'或'或'＆＃39;使用常数值进行操作。例如，如果阿凡达流派是动作和幻想但不是冒险。你会像这样保存它

  const int ACTION = 1, ADVENTURE = 2, FANTASY = 4;
  movie.genre = movie.genre | ACTION | FANTASY

然后，当您阅读列性别的值时，您必须执行＆＃39;和＆＃39;每个常数值的操作。例如，要了解“阿凡达”的类型是否为“行动”，您只需要执行以下操作并查看它是否为“冒险”：

    if(movie.genre & ACTION == ACTION)
         print("Action movie") //will execute
    if(movie.genre & ADVENTURE == ADVENTURE)
         print("Adventure movie") //won't execute

现在，使用小数值可能对您没有意义。但你必须用二进制值来考虑这个问题; 1是0001; 2 = 0010和4 = 0100.执行＆＃39;或＆＃39; “阿凡达”示例中的操作将引导您使类型等于01001.在十进制枚举系统中，这是5。但是01001实际上并不是一种类型。因此，要了解电影是否属于特定类型，您必须执行“＆＃39;和＆＃39;使用常数值进行操作。因此，执行movie.genre＆amp;行动相当于01001＆amp; 00001 = 00001.现在，值00001是解释为ACTION的相同常量值。这意味着，阿凡达是一部动作电影，但不是冒险电影，因为01001＆amp; 00010等于零，不等于ADVENTURE（2）的常数值。

单个特征的多个分类值如何使用python

1 个答案: