在python

Question

我正在处理一个数据集，其中有多个具有不同值的字符串列，并希望应用one hot encoding。

这是示例数据集：

v_4        v5             s_5     vt_5     ex_5          pfv           pfv_cat
0-50      StoreSale     Clothes   8-Apr   above 100   FatimaStore       Shoes
0-50      StoreSale     Clothes   8-Apr   0-50        DiscountWorld     Clothes
51-100    CleanShop     Clothes   4-Dec   51-100      BetterUncle       Shoes

因此，在这里我需要对pvf_cat应用一键编码，就像我还有其他许多列一样，我将这些列创建为str_cols 这就是我应用one-hot-encoding的方式：

for col in str_cols:
    data = df[str(col)]
    values = list(data)
    # print(values)
    # integer encode
    label_encoder = LabelEncoder()
    integer_encoded = label_encoder.fit_transform(values)
    print(integer_encoded)
    # one hot encode
    encoded = to_categorical(integer_encoded)
    print(encoded)
    # invert encoding
    inverted = argmax(encoded[0])
    print(inverted)
    onehot_encoder = OneHotEncoder(sparse=False)
    integer_encoded = integer_encoded.reshape(len(integer_encoded), 1)
    onehot_encoded = onehot_encoder.fit_transform(integer_encoded)

但这并没有影响数据集，当我打印df.head()时，它还是一样，这是怎么回事？

Answer 1

使用pd.get_dummies()比编写自己的代码更容易，而且可能更快。

df = pd.get_dummies(df, columns=['pfv_cat'])

      v_4         v5      s_5   vt_5       ex_5            pfv  pfv_cat_Clothes pfv_cat_Shoes
0    0-50  StoreSale  Clothes  8-apr  above 100    FatimaStore                0             1
1    0-50  StoreSale  Clothes  8-apr       0-50  DiscountWorld                1             0
2  51-100  CleanShop  Clothes  4-dec     51-100    BetterUncle                0             1

在columns=参数之后的列表中，您可以指定要OneHotEncoded的列。因此，在您的情况下，可能是df = pd.get_dummies(df, columns=str_cols)。