python - One-Hot 编码训练和测试数据时形状不匹配。将 get_dummies 与管道一起使用时，Train_Data 比 Test_data 具有更多的虚拟列

Question

我正在尝试为我的数据创建一个 get_dummies 类，稍后我想在管道中使用它:

class Dummies(BaseEstimator, TransformerMixin):
     def transform(self, df):
           dummies=pd.get_dummies(df[self.cat],drop_first=True) ## getting dummy cols
           df=pd.concat([df,dummies],axis=1) ## concatenating our dummies
           df.drop(self.cat,axis=1,inplace=True) ## dropping our original cat_cols

     def fit(self, df):
           self.cat=[]    
           for i in df.columns.tolist():    
               if i[0]=='c': ## My data has categorical cols start with 'c'  
                  self.cat.append(i)  ## Storing all my categorical_columns for dummies
              else:
                continue

现在，当我在 X_train 上调用 fit_transform ，然后转换 X_test

z=Dummies()
X_train=z.fit_transform(X_train)
X_test=z.transform(X_test)

X_train 和 X_test 的列形状不同:

X_train.shape
X_test.shape

输出:

(10983、1797)(3661, 1529)

X_train 中的虚拟人比我的 X_test 中的多。显然，我的 X_test 的类别比 X_train 少。如何在我的类中编写逻辑，以便 X_test 中的类别广播到 X_train 的形状？我希望 X_test 具有与 X_train 相同数量的虚拟变量。

Answer 1

您可以附加两个数据帧，然后执行 get_dummies()。