如何创建虚拟列进行预测？

Question

我已经完成了scikit-learn model 的训练并将其保存为pickle文件。 现在我想加载 model 并运行预测，但我不知道如何预处理输入数据。

dataset = {
    'airline': ['SpiceJet', 'Indigo', 'Air_India']
}
df = pd.DataFrame.from_dict(dataset)

airline列有 3 个航空公司，它们将用于使用以下代码创建虚拟列：

def preprocessing(df):
    dummies = pd.get_dummies(df["airline"], drop_first=True)
    return dummies

用于训练的数据集将具有如下架构：

| airline_SpiceJet | airline_Indigo | airline_Air_India |

我的问题是下面的输入，我怎样才能 map 输入到相应的列？

input = {
    'airline': ['SpiceJet']
}

数据集的预期 output：

| airline_SpiceJet | airline_Indigo | airline_Air_India |
| ---------------- | -------------- | ----------------- |
|                1 |              0 |                 0 |

Answer 1

我认为 pandas get_dummies() 方法的问题在于它根据输入数据定义虚拟列，如本期Dummy variables when not all categories are present中所述。

根据那里的答案，您可以调整您的代码以获得这样的假人：

dataset = {
    'airline': ['SpiceJet', 'Indigo', 'Air_India']
}

input = {
    'airline': ['SpiceJet']
}

possible_categories = dataset["airline"]


dummy_input = pd.Series(input["airline"])
display(pd.get_dummies(dummy_input.astype(pd.CategoricalDtype(categories=possible_categories))))

Output：

香料航空	靛青	空运_印度
1	0	0

有了更多的输入数据，它可能看起来像这样：

input_2 = {
    'airline': ['SpiceJet','Indigo','SpiceJet','Indigo','Air_India']
}

dummy_input_2 = pd.Series(input_2["airline"])
display(pd.get_dummies(dummy_input_2.astype(pd.CategoricalDtype(categories=possible_categories))))

香料航空	靛青	空运_印度
1	0	0
0	1	0
1	0	0
0	1	0
0	0	1