python - 使用 Pandas 执行一次热编码

Question

我正在 Pandas 中制作以下数据框:

df=pd.DataFrame(np.array([20,"admin","France",
                             25,"worker","Italy",
                             45,"admin","Norway",
                             30,"sec","EEUU",
                             25,"law",np.NaN,
                             30,"sec","France"]

            ).reshape(6,3))
df.columns=["age","job","country"]

我想执行一次热编码，但不使用 get_dummies 功能，而是想使用 OneHotEncoder。所以我编写了以下代码:

def oneHotEncoding(df):
    ohe=preprocessing.OneHotEncoder(dtype=np.int,sparse=True,handle_unknown="ignore")
    values=pd.DataFrame(ohe.fit_transform(df[["country"]]).toarray())
    df=pd.concat([df,values],axis=1)
    df=df.drop(["country"],1)
    print(df)

问题是当我得到结果时，我得到类似的东西:

   age  job    0  1  2  3  4
0   20  admin  0  1  0  0  0
1   25  worker 0  0  1  0  0
2   45  admin  0  0  0  1  0
3   30  sec    1  0  0  0  0
4   25  law    0  0  0  0  1
5   30  sec    0  1  0  0  0

我希望在结果的列中出现类似 country_france、country_italy 等的内容，我尝试了以下代码:

values=pd.DataFrame(ohe.fit_transform(df[["country"]]).toarray(),columns=["country_"+str(int(i)) for i in range(df.shape[1])])

但它没有给我正确的结果。

此外，nan 值仍然被视为一个国家，它应该只有 0。

我该如何解决这些问题？我已经测试了在这里发现的不同可能性，但没有任何帮助。

谢谢

Answer 1

如果您坚持使用 OneHotEncoder，您的问题是您的稀疏矩阵没有列数据，在您的示例中属性实际上存储在 ohe 上。

使用 fit_transform 后，您可以从 OneHotEncoder 上的 categories_ 属性访问类别

---

ohe = preprocessing.OneHotEncoder(dtype=np.int,sparse=True,handle_unknown="ignore")

data = ohe.fit_transform(df[['country']])

values = pd.DataFrame(data.A, columns='country_' + ohe.categories_[0])

   country_EEUU  country_France  country_Italy  country_Norway  country_nan
0             0               1              0               0            0
1             0               0              1               0            0
2             0               0              0               1            0
3             1               0              0               0            0
4             0               0              0               0            1
5             0               1              0               0            0