sklearn如何知道“一键编码”哪些列？

Question

我有一个数据集，其中有一些列为object类型，其他列为int或float。我知道我需要将对象列转换为伪变量，但我还有一些表示二进制数据的int和float列（已经为0和1）。 sklearn是否会将这些列解释为分类列？我不希望将它们视为连续变量。

Answer 1

OneHotEncoder未处理，因为这些列是类别类型。因此，所有馈送到OneHotEncoder的列都将转换为伪变量。

您可以参考示例here。

如果您已经有二进制变量，则没有必要为其创建两个虚拟变量。

您可以使用make_column_transformer来指定需要一种热编码的列。

示例：

>>> import pandas as pd
>>> X = pd.DataFrame([['Male', 0], ['Female', 1], ['Female', 0]], columns=['gender', 'groups'])
>>> from sklearn.compose import make_column_transformer
>>> ct = make_column_transformer((OneHotEncoder(),[0])) #, remainder='passthrough'
>>> ct.fit_transform(X)
array([[0., 1.],
       [1., 0.],
       [1., 0.]])