python - pandas get_dummies 如何记住哪个值成为哪个新类别？

Question

这个问题已经有答案了:

Dummy variables when not all categories are present (10 个回答)

已关闭 5 年前。

使用 get_dummies 方法一次对多个分类变量进行单热编码似乎很容易，但是如何记住哪个是哪个，以便我的测试数据与训练数据具有相同的特征？例如:

我的训练数据集具有类别特征:

   X
   cat
   dog
   lion
   lion

在 get_dummies 之后，我得到了这样的东西:

   X_1   X_2   X_3
    1     0     0
    0     1     0
    0     0     1
    0     0     1

训练模型后，我准备测试我很棒的魔法模型，这里是测试数据:

   X
   cat
   cat
   lion

如果我应用 pd.get_dummies 方法，我会得到这样的结果:

   X_1      X_2
   1       0
   1       0
   0       1

这将与我的训练数据特征不一致，而且我根本无法将我的模型应用于测试数据。

有什么建议可以让我得到像下面这样的东西吗？

   X_1   X_2   X_3
    1     0     0
    1     0     0
    0     0     1

如何获得拟合和转换功能？再说一遍，我有超过 50 个分类特征，我无法对它们一一应用 LabelEncoder，然后应用 One_Hot_Encoder。

有什么建议吗？谢谢。

Answer 1

我对所有数据使用 get_dummies，然后将其分为训练和测试。