使用sklearn一键编码后，如何给出列名？

Question

这是我的问题，希望有人能帮助我解决这个问题。

为说明起见，我的数据集中有10多个类别列，每个列都有200-300个类别。我想将它们转换为二进制值。为此，我使用了第一个标签编码器将字符串类别转换为数字。标签编码器代码和输出如下所示。

在标签编码器之后，我再次使用了一个来自scikit-learn的Hot Encoder，它可以正常工作。但是问题是，我需要在一个热编码器之后添加列名。例如，A列在编码前具有分类值。 A = [1,2,3,4,..]

应该像编码后一样

  

A-1，A-2，A-3

任何人都知道一种热编码后如何将列名分配给（旧列名-值名称或数字）。这是我的一种热门编码，它是输出的；

我需要列带有名称的列，因为我训练了ANN，但是每次出现数据时，我都无法一次又一次地转换所有过去的数据。因此，我想每次仅添加新的。还是谢谢你。

Answer 1

此示例可能对将来的读者有所帮助

import pandas as pd
from sklearn.preprocessing import OneHotEncoder

train_X = pd.DataFrame({'Sex':['male', 'female']*3, 'AgeGroup':[0,15,30,45,60,75]})

>>>
     Sex     AgeGroup
0    male         0
1  female        15
2    male        30
3  female        45
4    male        60
5  female        75

encoder=OneHotEncoder(sparse=False)

train_X_encoded = pd.DataFrame (encoder.fit_transform(train_X[['Sex']]))

train_X_encoded.columns = encoder.get_feature_names(['Sex'])

train_X.drop(['Sex'] ,axis=1, inplace=True)

OH_X_train= pd.concat([train_X, train_X_encoded ], axis=1)

>>>
    AgeGroup  Sex_female  Sex_male
0         0         0.0       1.0
1        15         1.0       0.0
2        30         0.0       1.0
3        45         1.0       0.0
4        60         0.0       1.0
5        75         1.0       0.0`

Answer 2

嘿，我遇到了同样的问题，我有一个自定义 Estimator，它扩展了 Sklearn.base 的 BaseEstimator 类

我在 init 中添加了一个名为 self.feature_names 的类属性，然后作为转换方法的最后一步，使用结果中的列更新了 self.feature_names。

from sklearn.base import BaseEstimator, TransformerMixin
import pandas as pd

class CustomOneHotEncoder(BaseEstimator, TransformerMixin):

    def __init__(self, **kwargs):
        self.feature_names = []

    def fit(self, X, y=None):
        return self

    def transform(self, X):

        result = pd.get_dummies(X)
        self.feature_names = result.columns

        return result

我知道一些基本知识，但它可以完成我需要的工作。

如果您想从 sklearn 管道中检索特征重要性的列名，您可以从分类器步骤中获取特征，并从一个热编码步骤中获取列名。

a = model.best_estimator_.named_steps["clf"].feature_importances_
b = model.best_estimator_.named_steps["ohc"].feature_names

df = pd.DataFrame(a,b)
df.sort_values(by=[0], ascending=False).head(20)

Answer 3

您可以使用.get_feature_names()属性获取列名。

>>> ohenc.get_feature_names()
>>> x_cat_df.columns = ohenc.get_feature_names()

详细示例为here。