我有一个具有int和分类功能的数据框。分类特征有两种类型:数字和字符串。
我能够使用一个热门编码列,这些列是int和分类的数字。当我尝试一个热串编码分类列时,我收到一个错误。
ValueError:无法将字符串转换为float:'13367cc6'
由于数据帧很大且基数高,所以我只想将其转换为稀疏形式。我更喜欢使用from sklearn.preprocessing import OneHotEncoder
的解决方案,因为我熟悉它。
我也检查了其他问题,但没有一个能解决我的问题。
data = [[623, 'dog', 4], [123, 'cat', 2],[623, 'cat', 1], [111, 'lion', 6]]
以上数据框包含4行3列
列名 - ['animal_id', 'animal_name', 'number']
假设animal_id
和animal_name
存储在pandas中作为类别和编号存储为int64 dtype。
答案 0 :(得分:1)
假设你有以下DF:
In [124]: df
Out[124]:
animal_id animal_name number
0 623 dog 4
1 123 cat 2
2 623 cat 1
3 111 lion 6
In [125]: df.dtypes
Out[125]:
animal_id int64
animal_name category
number int64
dtype: object
首先保存animal_name
列(如果将来需要):
In [126]: animal_name = df['animal_name']
将animal_name
列转换为分类(内存保存)数字列:
In [127]: df['animal_name'] = df['animal_name'].cat.codes.astype('category')
In [128]: df
Out[128]:
animal_id animal_name number
0 623 1 4
1 123 0 2
2 623 0 1
3 111 2 6
In [129]: df.dtypes
Out[129]:
animal_id int64
animal_name category
number int64
dtype: object
现在OneHotEncoder应该可以工作:
In [130]: enc = OneHotEncoder()
In [131]: enc.fit(df)
Out[131]:
OneHotEncoder(categorical_features='all', dtype=<class 'numpy.float64'>,
handle_unknown='error', n_values='auto', sparse=True)
In [132]: X = enc.fit(df)
In [134]: X.n_values_
Out[134]: array([624, 3, 7])
In [135]: enc.feature_indices_
Out[135]: array([ 0, 624, 627, 634], dtype=int32)
答案 1 :(得分:1)