我有以下数据：
Rank Platforms Technology
high Windows||Linux Unity
high Linux
low Windows Unreal
low Linux||MacOs GameMakerStudio||Unity||Unreal
low GameMakerStudio
Platforms和Technology都是类别变量。这里的问题是它们可以有一个或Empty，或者尤其是多个值，例如GameMakerStudio||Unity||Unreal。我正在建立一个逻辑回归模型来预测Rank数据。
我正在尝试为我的模型编码这些变量。但是，我没有找到任何针对列表类型分类值的解决方案。我已经阅读了Encoding Categorical Variables页，发现One-hot编码关系最密切，但是仍然无法解决我的问题。
我当然可以手动对其进行编码。例如，Platforms列大约有7个不同的平台值，如果Platforms = Windows||Linux，我可以设置2列is_windows = true和is_linux = true。但是对于Technology列，有21个不同的值。
有没有一种自动编码的方法？
答案 0 :(得分：1)
您从来没有在问题中提到熊猫，但是我想这就是您所使用的。如果是这样，您提到的链接将具有响应：get_dummies
[nav] In [17]: c = pandas.read_csv ("/tmp/asdf.txt", header=0)
[nav] In [18]: c
Out[18]:
Rank Platforms Technology
0 high Windows||Linux Unity
1 high Linux NaN
2 low Windows Unreal
3 low Linux||MacOs GameMakerStudio||Unity||Unreal
4 low NaN GameMakerStudio
[nav] In [19]: c.Platforms.str.get_dummies ()
Out[19]:
Linux MacOs Windows
0 1 0 1
1 1 0 0
2 0 0 1
3 1 1 0
4 0 0 0
[nav] In [20]: pd.concat ( [c, c.Platforms.str.get_dummies (), c.Technology.str.get_dummies ()], axis=1 )
Out[20]:
Rank Platforms Technology Linux MacOs Windows GameMakerStudio Unity Unreal
0 high Windows||Linux Unity 1 0 1 0 1 0
1 high Linux NaN 1 0 0 0 0 0
2 low Windows Unreal 0 0 1 0 0 1
3 low Linux||MacOs GameMakerStudio||Unity||Unreal 1 1 0 1 1 1
4 low NaN GameMakerStudio 0 0 0 1 0 0