Question

给列letters加上数据帧['A', 'B','C']的分类值df，我想在数据帧中获得许多列，其中每一行只有一个非零值，对应于原始分类值。

例如来自数据框

letters
A
C
A
C

我想要拥有：

A    B    C
1    0    0
0    0    1 
1    0    0
0    0    1

现在在熊猫中这很容易：

dummies = pd.get_dummies(df.letters)
res = pd.concat([df, dummies], axis=1)
df.drop('letters', axis=1, inplace=True)

在scikit中，可以使用LabelBinarizer：

from sklearn.preprocessing import LabelBinarizer
cat_col = df["letters"]
encoder = LabelBinarizer()
col_1hot = encoder.fit_transform(cat_col)
col_1hot.toarray()

但是，这只是一个1-0矩阵，我已经失去了对原始分类值的引用。因此，我不能假设第一个1-hot列是A，第二个是B，依此类推。那么，如何在SciKit中执行一键编码学习获取数据帧？

编辑

@Joe Halliwell建议做一些lb.inverse_transform(onehot)，所以在这种情况下我做了

lb = preprocessing.LabelBinarizer()
onehot = lb.fit_transform(df)
res = pd.DataFrame(data=onehot, columns=lb.inverse_transform(onehot).reshape(-1,))

在这种情况下有效，因为行数等于类别。如果我有更多的行，这将不再起作用

Answer 1

您不能使用SciKit Learn获取DataFrame。不过，您可以在适合的inverse_transform上调用LabelBinarizer方法来检索标签，例如

import pandas as pd
from sklearn import preprocessing

df = pd.DataFrame({"foo": ["A", "C", "B", "A"]})
lb = preprocessing.LabelBinarizer()
onehot = lb.fit_transform(df)
print(lb.inverse_transform(onehot))

因此，为了检索一次性编码矩阵中各列的标签，您可以通过逆变换来运行单位矩阵：

print(lb.inverse_transform(np.identity(onehot.shape[1]))

如何将数据框列的分类值转换为sckikit-learn中的一键编码列？

1 个答案: