时间戳

首页 > 解决方案 > 将分类列转换为单个虚拟变量列

pandas - 将分类列转换为单个虚拟变量列

问题描述

考虑我有以下数据框：

   Survived  Pclass     Sex   Age     Fare
0         0       3    male  22.0   7.2500
1         1       1  female  38.0  71.2833
2         1       3  female  26.0   7.9250
3         1       1  female  35.0  53.1000
4         0       3    male  35.0   8.0500

我使用 get_dummies() 函数来创建虚拟变量。代码和输出如下：

one_hot = pd.get_dummies(dataset, columns = ['Category'])

这将返回：

   Survived  Pclass  Age     Fare  Sex_female  Sex_male
0         0       3   22   7.2500           0         1
1         1       1   38  71.2833           1         0
2         1       3   26   7.9250           1         0
3         1       1   35  53.1000           1         0
4         0       3   35   8.0500           0         1

我想要的是 Sex 的单列，其值为 0 或 1 而不是 2 列。

有趣的是，当我在不同的数据帧上使用 get_dummies() 时，它就像我想要的那样工作。
对于以下数据框：

  Category                                            Message
0      ham  Go until jurong point, crazy.. Available only ...
1      ham                      Ok lar... Joking wif u oni...
2     spam  Free entry in 2 a wkly comp to win FA Cup final...
3      ham  U dun say so early hor... U c already then say...
4      ham  Nah I don't think he goes to usf, he lives aro...

使用代码：

one_hot = pd.get_dummies(dataset, columns = ['Category'])

它返回：

                                             Message  ...  Category_spam
0  Go until jurong point, crazy.. Available only ...  ...              0
1                      Ok lar... Joking wif u oni...  ...              0
2  Free entry in 2 a wkly comp to win FA Cup fina...  ...              1
3  U dun say so early hor... U c already then say...  ...              0
4  Nah I don't think he goes to usf, he lives aro...  ...              0
  1. 为什么 get_dummies() 在这两个数据帧上的工作方式不同？
  2. 如何确保每次都能获得第二个输出？

标签： pandasdataframemachine-learningcategorical-dataone-hot-encoding

解决方案

您可以通过以下多种方式进行操作：

from sklearn.preprocessing import LabelEncoder

lbl=LabelEncoder()
df['Sex_encoded'] = lbl.fit_transform(df['Sex'])

# using only pandas
df['Sex_encoded'] = df['Sex'].map({'male': 0, 'female': 1})

   Survived  Pclass     Sex   Age     Fare  Sex_encoded
0         0       3    male  22.0   7.2500            0
1         1       1  female  38.0  71.2833            1
2         1       3  female  26.0   7.9250            1
3         1       1  female  35.0  53.1000            1
4         0       3    male  35.0   8.0500            0

推荐阅读