python - 使用 OneHotEncoder 拆分调查数据

Question

我有一个包含调查结果的数据框，其中有选项 A-E，并且可以选择多个选项 - 选择可以是“A”或“A;C;D”等。

我将使用这些数据进行一些机器学习，并希望通过 OneHotEncoder 运行它，最终得到包含 1 和 0 的 5 列。

我的初始调查数据的示例是:

survey_data = pd.DataFrame({'Q1':  ['A','B','C','A;D', 'D;E', 'F']})

我最初尝试了 LabelEncoder 但显然最终获得了很多功能(而不仅仅是 A-E)。

Answer 1

您还可以使用MultilabelBinarizer为此:

inputX = [element.split(';') for element in survey_data['Q1']]

from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
transformedX = mlb.fit_transform(inputX)

#Out: transformedX
#array([[1, 0, 0, 0, 0, 0],
        [0, 1, 0, 0, 0, 0],
        [0, 0, 1, 0, 0, 0],
        [1, 0, 0, 1, 0, 0],
        [0, 0, 0, 1, 1, 0],
        [0, 0, 0, 0, 0, 1]])