Question

我正在一个项目中，该项目将One Hot Encoding技术应用于.binetflow文件的分类列。

代码：

import pandas as pd
from sklearn.preprocessing import LabelEncoder,OneHotEncoder

mydataset = pd.read_csv('originalfiletest.binetflow')

le = LabelEncoder()
dfle = mydataset
dfle.State = le.fit_transform(dfle.State)
X = dfle[['State']].values
ohe = OneHotEncoder()
Onehot = ohe.fit_transform(X).toarray()

dfle['State'] = Onehot

mydataset.to_csv('newfiletest.binetflow', columns=['Dur','State','TotBytes','average_packet_size','average_bits_psecond'], index=False)

Original binetflow file

当前，我正在使用Pandas，并且能够应用该技术。问题是我需要写第二个文件。

当我尝试编写时，我期望的输出例如：变量Onehot中的0001或0.0.0.1，但是当我尝试将其传递到dfle []列时，得到的值是0.0或1.0。州']。可以在下面找到这些图像。

variable Onehot

column dfle['State']

此外，当我在编译器上写print时，应该写的那列应该正确显示，但是当它写到文件中时，它会增加一些小数位。

Original and new binetflow file

Answer 1

Onehot是numpy数组，问题出在将数组分配给dataframe列

import pandas as pd
from sklearn.preprocessing import LabelEncoder, OneHotEncoder

mydataset = pd.DataFrame(data={'State': ['a', 'a', 'b', 'c', 'a', 'd']})

le = LabelEncoder()

mydataset.State = le.fit_transform(mydataset.State)
X = mydataset[['State']].values
ohe = OneHotEncoder()
Onehot = ohe.fit_transform(X).toarray()

dx = pd.DataFrame(data=Onehot)

mydataset['State'] = (dx[dx.columns[0:]].apply(lambda x: ','.join(x.dropna().astype(int).astype(str)), axis=1))

mydataset.to_csv('newfiletest.binetflow',
                 columns=['Dur', 'State', 'TotBytes', 'average_packet_size', 'average_bits_psecond'], index=False)

有关OneHotEncoding的问题-Python

1 个答案: