python - Scikit-learn 中仅针对 DataFrame 的一部分进行 One-Hot 编码

Question

我正在尝试对我的数据使用决策树分类器，它看起来与本教程中的数据非常相似:https://www.ritchieng.com/machinelearning-one-hot-encoding/

教程然后继续将字符串转换为数字数据:

X = pd.read_csv('titanic_data.csv')
X = X.select_dtypes(include=[object])
le = preprocessing.LabelEncoder()
X_2 = X.apply(le.fit_transform)

这使得 DataFrame 看起来像这样:

此后，数据将通过 OneHotEncoder，我认为然后可以相当容易地拆分并传递到决策树分类器中。

问题是，在我看来，原始数字数据通过这个编码过程获得了很多。如何保留或添加在编码过程中删除的数字数据？谢谢!

Answer 1

实际上有一个非常简单的解决方案 - 使用 pd.get_dummies()

如果您有如下所示的数据框:

so_data = {
    'passenger_id': [1,2,3,4,5],
    'survived': [1,0,0,1,0],
    'age': [24,25,68,39,5],
    'sex': ['female', 'male', 'male', 'female', 'female'],
    'first_name': ['Joanne', 'Mark', 'Josh', 'Petka', 'Ariel']
}
so_df = pd.DataFrame(so_data)

看起来像:

    passenger_id    survived    age   sex       first_name
0              1           1    24  female        Joanne
1              2           0    25  male          Mark
2              3           0    68  male          Josh
3              4           1    39  female        Petka
4              5           0    5   female        Ariel

你可以这样做:

pd.get_dummies(so_df)

这会给你:

(抱歉截图，但是清理 df 真的很难)