在分类数据中使用 get_dummies

Question

我必须使用数据集然后使用决策树分类器，因为我不能有分类数据，但是这个数据集有包含分类数据的列，如下所示：

我知道这可以通过使用 get_dummies function 来完成，但我做不到。 我首先阅读了这样的数据集：

def load_data(fname):
    """Load CSV file"""
    df = pd.read_csv(fname)
    nc = df.shape[1]
    matrix = df.values
    table_X = matrix [:, 2:]
    table_y = matrix [:, 81]
    features_names = df.columns.values[1:]
    target = df.columns.values[81]
    return table_X, table_y

table_X, table_y = load_data("dataset.csv")

pd.get_dummies(table_X)

当我运行它时，我得到这个异常： Exception: Data must be 1-dimensional

我究竟做错了什么？

- - - - - - - - - - - - - - - - 编辑 - - - - - - - - - ------------------

from sklearn.preprocessing import LabelEncoder

le = LabelEncoder()
y = le.fit_transform(table_y)
le.classes_

le.transform(['<200000', '>400000', '[200000,400000]'])

要应用决策树算法：

from sklearn import tree

dtc_Gini = tree.DecisionTreeClassifier() #criterion='gini'
dtc_Gini1 = dtc_Gini.fit(table_X, y)

ValueError: could not convert string to float: 'RL'

Answer 1

在pd.read_csv使用pd.get_dummies(df)之后

Answer 2

基于这个答案： get_dummies()，异常：数据必须是一维的在应用 function get_dummies()之前，您似乎必须将table_X转换回 dataframe。 或者您可以避免使用df.values 。

试试这个：

def load_data(fname):
    """Load CSV file"""
    df = pd.read_csv(fname)
    table_X = df.iloc[:, 2:]
    table_y = df.iloc[:, 81]
    return table_X, table_y

table_X, table_y = load_data("dataset.csv")

pd.get_dummies(table_X)

让我知道它是否有效。