gpt4 book ai didi

python - 如何使用 get_dummies 或一种热编码对具有多个元素的分类特征进行编码?

转载 作者:行者123 更新时间:2023-12-04 07:47:58 25 4
gpt4 key购买 nike

我正在研究一个数据集,它有一个称为类别的功能。该特征中每个观察的数据由分号分隔的列表组成,例如。



类别


第 1 行
"categorya;categoryb;categoryc"

第 2 行
“类别;类别b”

第 3 行
“类别c”

第 4 行
“类别b;类别c”


如果我尝试 pd.get_dummies(df,columns=['categories'])我取回包含整个数据的列作为名为的列,例如名为 categorya;categoryb;categoryc 的列
如果我尝试

pd.get_dummies(df.categories.str.split(";").apply(pd.Series).stack(),columns=['categories'])
我得到单独的列名,例如类别a,类别b。
但我只会在一列中得到 1,例如如果原始类别值是“categoryb;categoryc”,我只会在 b 中得到 1 而不是 c 值。
我觉得除了编码问题之外,我的方法可能会犯根本性错误?

最佳答案

在我看来,您正在更改数据结构的形状,使其与 DF 不匹配。

df.categories.str.split(";").apply(pd.Series).stack()

0 0 categorya
1 categoryb
2 categoryc
1 0 categorya
1 categoryb
2 0 categoryc
3 0 categoryb
1 categoryc
pd.get_dummies(df.categories.str.split(";").apply(pd.Series).stack())

categorya categoryb categoryc
0 0 1 0 0
1 0 1 0
2 0 0 1
1 0 1 0 0
1 0 1 0
2 0 0 0 1
3 0 0 1 0
1 0 0 1
如果您事先知道类别,您可以执行以下操作:
df['categorya'] = np.where(df['categories'].str.contains('categorya'),1,0)

categories categorya
0 categorya;categoryb;categoryc 1
1 categorya;categoryb 1
2 categoryc 0
3 categoryb;categoryc 0
或者,如果您事先不知道类别,您可以这样做:
for s in df.categories.str.split(";").apply(pd.Series).stack().unique():
df[s] = np.where(df['categories'].str.contains(s),1,0)

categorya categoryb categoryc
0 1 1 1
1 1 1 0
2 0 0 1
3 0 1 1
此外,您可以按主要索引和分类(虚拟)列上的总和进行聚合,以获得您要查找的内容。
Grouped get_dummies
像这样:
pd.get_dummies(df.categories.str.split(";").apply(pd.Series).stack()) \
.groupby(level=0).sum()

categorya categoryb categoryc
0 1 1 1
1 1 1 0
2 0 0 1
3 0 1 1
然后是最简单的:
df['categories'].str.get_dummies(sep=';')

categories catA catB catC
0 catA;catB;catC 1 1 1
1 catA;catB 1 1 0
2 catC 0 0 1
3 catB;catC 0 1 1

关于python - 如何使用 get_dummies 或一种热编码对具有多个元素的分类特征进行编码?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67118797/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com