我有一个包含13列的数据框。 13列中有13列是字符串。一个字符串列是简单的男性和女性，我使用
转换为1和0pd.get_dummies（）
第二列包含三种不同类型的字符串，因此可以使用
轻松转换为数组来自sklearn.feature_extraction.text import CountVectorizer
完全没问题。问题是我的第三个也是最后一个列包含大量名称。如果我尝试使用Countvectorizer进行转换，它会将名称转换为长不可读的字符串。
DF [＆＃39;名称＆＃39;] = Countvectorizer.fit_transform（df.name）
如果我尝试将其转换回数据帧，如本例中stackoverflow页面上的其他示例所示，我得到了这个
245376（0,14297）\ t1 \ n（1,5843）\ t1 \ n（1,13365）... 245377（0,14297）\ t1 \ n（1,5843）\ t1 \ n（1,13365）...
名称：supplier_name，dtype：object
并且下一个代码会导致内存错误
df [＆＃39; name＆＃39;] = pd.DataFrame（CV.fit_transform（df.name）.toarray（），columns = CV.get_feature_names（））
我也看过那个问题。 问题：除了上面提到的，有什么方法可以在数字形式中使用此名称列。或者任何其他想法如何改进这一点，以便数据完全适合 Randomforest分类器。因为，Dataframe退出大包含 123790行。提前感谢您的帮助或建议。
答案 0 :(得分：0)
在将原始文件存储到单独的列表之后，名称是一种独特的东西，并且是一种使用sklearn.preprocessing.LabelEncoder的ID。它会自动将名称转换为序列号。
另外，请注意，如果这是一个独特的事情，您应该在预测期间删除名称。