Python sklearn pandas同时转换多个列错误

Question

我正在使用带有pandas和sklearn的python，并尝试使用新的非常方便的sklearn-pandas。

我有一个大的数据帧，需要以类似的方式转换多个列。

变量other中有多个列名此处的源代码文档明确指出，有可能使用相同的转换转换多个列，但以下代码的行为与预期不符：

from sklearn.preprocessing import MinMaxScaler, LabelEncoder
mapper = DataFrameMapper([[other[0],other[1]],LabelEncoder()])
mapper.fit_transform(df.copy())

我得到以下错误：

引发ValueError("错误的输入形状｛0｝".format(shape))ValueError:[EFW'，'BPD']：错误的输入形状(154，2)

当我使用以下代码时，它非常有效：

cols = [(other[i], LabelEncoder()) for i,col in enumerate(other)]
mapper = DataFrameMapper(cols)
mapper.fit_transform(df.copy())

据我所知，两者应该都能很好地发挥作用，并产生相同的结果。我在这里做错了什么？

谢谢！

Answer 1

您在这里遇到的问题是，这两段代码在数据结构方面完全不同。

cols = [(other[i], LabelEncoder()) for i,col in enumerate(other)]构建元组列表。请注意，您可以将这行代码缩短为：

cols = [(col, LabelEncoder()) for col in other]

无论如何，第一个片段[[other[0],other[1]],LabelEncoder()]产生了一个包含两个元素的列表：一个列表和一个LabelEncoder实例。现在，有文档表明，您可以通过指定来转换多个列

转换可能需要多个输入列。在这些情况下，可以在列表中指定列名：

mapper2=DataFrameMapper([(儿童，工资，sklearn.分解.PCA(1))])

这是一个包含tuple(list, object)结构化元素的list，而不是list[list, object]结构化元素。

如果我们看看源代码本身，

class DataFrameMapper(BaseEstimator, TransformerMixin):
"""
Map Pandas data frame column subsets to their own
sklearn transformation.
"""
def __init__(self, features, default=False, sparse=False, df_out=False,
input_df=False):
"""
Params:
features    a list of tuples with features definitions.
The first element is the pandas column selector. This can
be a string (for one column) or a list of strings.
The second element is an object that supports
sklearn's transform interface, or a list of such objects.
The third element is optional and, if present, must be
a dictionary with the options to apply to the
transformation. Example: {'alias': 'day_of_week'}

在类定义中也明确指出，DataFrameMapper的features参数需要是元组的列表，其中元组的元素可以是列表。

最后一点要注意的是，为什么会收到错误消息：sklearn中的LabelEncoder转换器用于在1D阵列上进行标记。因此，它根本无法同时处理2列，并将引发异常。因此，如果您想使用LabelEncoder，您必须构建具有1个列名和转换器的N个元组，其中N是您希望转换的列数。