python - 将 OneHotEncoder 与 sklearn_pandas DataFrameMapper 结合使用

Question

我正在尝试使用 sklearn_pandas DataFrameMapper。这会接收列名称以及该列所需的预处理转换函数。像这样，

mapper = sklearn_pandas.DataFrameMapper([
    ('hour',None),
    ('season',sklearn.preprocessing.OneHotEncoder()),
    ('holiday',None)
])

season 是我的 pandas DataFrame 中的一个 int64 列。

这给了我以下错误 - 要解压的值太多。我知道 OneHotEncoder 采用二维样本而不是一维样本。

我如何才能将此 OneHotEncoder 与 sklearn_pandas 一起使用，还是不可能。

Answer 1

sklearn-pandas 官方版在处理一维数组和转换时存在一些问题。试试下面的 fork : https://github.com/dukebody/sklearn-pandas

但是，我认为您可以使用 LabelBinarizer(如在 sklearn_pandas 示例中)代替 OneHotEncoder 来完成您想要的。

2015 年 11 月 28 日更新

在 sklearn-pandas>=0.0.12 中，您可以通过执行以下操作解决您的问题:

mapper = sklearn_pandas.DataFrameMapper([
    ('hour',None),
    (['season'],sklearn.preprocessing.OneHotEncoder()),
    ('holiday',None)
])

来自文档:

The difference between specifying the column selector as 'column' (as a simple string) and ['column'] (as a list with one element) is the shape of the array that is passed to the transformer. In the first case, a one dimensional array with be passed, while in the second case it will be a 2-dimensional array with one column, i.e. a column vector.