Question

我对一个变量进行了热编码，经过一些计算后，我想检索原始变量。

我正在做的是以下事情：

我过滤了一个热编码的列名（它们都以原始变量的名称开头，例如'mycol'）

filter_col = [col for col in df if col.startswith('mycol')]

然后，我可以简单地将列名乘以过滤后的变量。

X_test[filter_col]*filter_col

但是，这导致了稀疏矩阵。如何从中创建一个变量？求和不起作用，因为将空白视为数字并执行以下操作：sum(X_test[filter_col]*filter_col)我得到

TypeError: unsupported operand type(s) for +: 'int' and 'str'

关于如何进行的任何建议？这甚至是最好的方法，还是那里有功能完全满足我的需求？

根据请求，以下是一个示例，摘自here：

df= pd.DataFrame({ 
    'mycol':np.random.choice( ['panda','python','shark'], 10),
    })

df=pd.get_dummies(df)

Answer 1

如果需要每行的总和值：

(X_test[filter_col]*filter_col).sum(axis=1)

解决方案（如果可能）每行仅0或每行多个1：

X_test = pd.DataFrame({
         'mycolB':[0,1,1,0],
         'mycolC':[0,0,1,0],
         'mycolD':[1,0,0,0],

})


filter_col = [col for col in X_test if col.startswith('mycol')]
df = X_test[filter_col].dot(pd.Index(filter_col) + ', ' ).str.strip(', ')
print (df)
0            mycolD
1            mycolB
2    mycolB, mycolC
3                  
dtype: object

Answer 2

IIUC，您可以在axis=1中使用DataFrame.idxmax。如有必要，您可以用str.replace替换虚拟前缀：

X_test[filter_col].idxmax(axis=1).str.replace('mycol_', '')

熊猫，反转一种热门编码方式

2 个答案: