python - 将特征哈希应用于 DataFrame 中的特定列

Question

我对在 Python Pandas 中使用特征散列有点迷茫。

我有一个包含多个列的 DataFrame，其中包含许多不同类型的信息。一列代表数据的类别。

例子:

         col1   col2    colType
    1     1      2        'A'
    2     1      1        'B'
    3     2      4        'C' 

我的目标是为 ColType 应用 FeatureHashing，以便能够应用机器学习算法。

我为 colType 创建了一个单独的 DataFrame，具有如下内容:

                   colType  value
           1         'A'       1
           2         'B'       2
           3         'C'       3
           4         'D'       4

然后，对此类 Data Frame 应用特征哈希。但我不明白如何使用信息将特征哈希的结果添加到我的 DataFrame，以便将其用作机器学习算法的输入。

这就是我使用 FeatureHashing 的方式:

  from sklearn.feature_extraction import FeatureHasher
  fh = FeatureHasher(n_features=10, input_type='string')
  result = fh.fit_transform(categoriesDF)

如何将这个 FeatureHasher 结果插入到我的 DataFrame 中？我的方法有多糟糕？有没有更好的方法来实现我正在做的事情？

谢谢!

Answer 1

我知道这个答案来晚了，但我偶然发现了同样的问题并发现它有效:

fh = FeatureHasher(n_features=8, input_type='string')
sp = fh.fit_transform(df['colType'])
df = pd.DataFrame(sp.toarray(), columns=['fh1', 'fh2', 'fh3', 'fh4', 'fh5', 'fh6', 'fh7', 'fh8'])
pd.concat([df1, df], axis=1)

这会根据 FeatureHasher 检索到的稀疏矩阵创建一个数据帧，并将该矩阵连接到现有数据帧。