Question

让我们从this example开始考虑房价的数据集。

我将整个数据集存储在housing变量中：

housing.shape

（20640,10）

我也做过一维的OneHotEncoder编码并获得housing_cat_1hot，所以

housing_cat_1hot.toarray().shape

（20640,5）

我的目标是加入两个变量并将所有内容存储在一个数据集中。

我尝试了Join with index tutorial，但问题是第二个矩阵没有任何索引。如何在housing和housing_cat_1hot之间进行联接？

>>> left=housing
>>> right=housing_cat_1hot.toarray()
>>> result = left.join(right)

Traceback（最近一次调用最后一次）：文件“”，第1行，in result = left.join（right）File“/usr/local/Cellar/python3/3.6.3/Frameworks/Python.framework/Versions/3.6/lib/python3.6/pandas/core/frame.py”，第5293行，在加入 rsuffix = rsuffix，sort = sort）文件“/usr/local/Cellar/python3/3.6.3/Frameworks/Python.framework/Versions/3.6/lib/python3.6/pandas/core/frame.py”，第5323行，在_join_compat中 can_concat = all（df.index.is_unique用于帧中的df）文件“/usr/local/Cellar/python3/3.6.3/Frameworks/Python.framework/Versions/3.6/lib/python3.6/pandas/core/frame py”为，第5323行 can_concat = all（df.index.is_unique用于帧中的df）AttributeError：'numpy.ndarray'对象没有属性'index'

Answer 1

那么，取决于你是如何创建单热矢量的。但是，如果它的排序方式与原始DataFrame相同，并且本身就是DataFrame，则可以在加入之前添加相同的索引：

housing_cat_1hot.index = range(len(housing_cat_1hot))

如果它不是DataFrame，请将其转换为一个。这很简单，只要两个对象都排序相同

编辑：如果它不是DataFrame，那么： housing_cat_1hot = pd.DataFrame（housing_cat_1hot）

已为您创建适当的索引

Answer 2

如果你想加入两个数组（假设housing_cat_1hot和housing都是数组），你可以使用

housing = np.hstack((housing, housing_cat_1hot))

虽然OneHotEncode变量的最佳方法是在数组中选择该变量并进行编码。它为您节省了加入后两个

的麻烦

假设您希望在数组中编码的变量的索引是1，

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
le = LabelEncoder()  
X[:, 1] = le.fit_transform(X[:, 1])

onehotencoder = OneHotEncoder(categorical_features = [1])
X = onehotencoder.fit_transform(X).toarray()

Answer 3

感谢@ Elez-Shenhar回答我得到以下工作代码：

OneHot=housing_cat_1hot.toarray()
OneHot= pd.DataFrame(OneHot)
result = housing.join(OneHot)
result.shape

（20640,15）

在Pandas中加入一个数据集和OneHotEncoder的结果

3 个答案: