在使用带有drop_first = True的熊猫get_dummies时如何对齐训练和测试集？

Question

我有一家电信公司的数据集，具有很多分类功能。我使用pandas.get_dummies方法通过drop_first=True选项将它们转换为一种热编码格式。现在，我该如何使用预测函数，需要以相同的方式对测试输入数据进行编码，因为drop_first = True选项还删除了一些列，如何确保以类似的方式进行编码。

编码前的数据集形状：(7043, 21) 编码后的数据集形状：(7043, 31)

Answer 1

如果不使用drop_first=True，则有两个选择：

1. 在训练和测试集中分割数据之前执行一键编码。 （或合并数据集，执行一次热编码，然后再次拆分数据集。）

2. 在进行一键编码后对齐数据集：内部联接将删除其中一组不存在的功能（无论如何它们将无用）。 train, test = train.align(test, join='inner', axis=1)

您（正确地）注意到方法2可能无法达到预期效果，因为您正在使用drop_first=True。因此，您将剩下方法1。