sklearn 中的多列單熱編碼和命名列

Question

我有以下代碼可以對我擁有的 2 列進行單熱編碼。

# encode city labels using one-hot encoding scheme
city_ohe = OneHotEncoder(categories='auto')
city_feature_arr = city_ohe.fit_transform(df[['city']]).toarray()
city_feature_labels = city_ohe.categories_
city_features = pd.DataFrame(city_feature_arr, columns=city_feature_labels)

phone_ohe = OneHotEncoder(categories='auto')
phone_feature_arr = phone_ohe.fit_transform(df[['phone']]).toarray()
phone_feature_labels = phone_ohe.categories_
phone_features = pd.DataFrame(phone_feature_arr, columns=phone_feature_labels)

我想知道的是如何在 4 行中執行此操作，同時在輸出中正確命名列。 也就是說，我可以通過在fit_transform包含兩個列名稱來創建一個正確的單熱編碼數組，但是當我嘗試命名結果數據fit_transform的列時，它告訴我索引的形狀之間存在不匹配：

ValueError: Shape of passed values is (6, 50000), indices imply (3, 50000)

對於背景，電話和城市都有 3 個值。

    city    phone
0   CityA   iPhone
1   CityB Android
2   CityB iPhone
3   CityA   iPhone
4   CityC   Android

Answer 1

你fit_transform ......就像你說的那樣，你可以直接在fit_transform添加你想要編碼的所有列。

ohe = OneHotEncoder(categories='auto')
feature_arr = ohe.fit_transform(df[['phone','city']]).toarray()
feature_labels = ohe.categories_

然后你只需要執行以下操作：

feature_labels = np.array(feature_labels).ravel()

這使您可以根據需要命名列：

features = pd.DataFrame(feature_arr, columns=feature_labels)

Answer 2

你為什么不看看pd.get_dummies ？ 以下是您可以編碼的方法：

df['city'] = df['city'].astype('category')
df['phone'] = df['phone'].astype('category')
df = pd.get_dummies(df)

Answer 3

cat_features = [ "gender", "cholesterol", "gluc", "smoke", "alco" ] data = pd.get_dummies(data, columns = cat_features)