首先,没有必要使用
我正在尝试对数据帧进行热编码以进行某些测试。
我尝试使用sklearn
的常规OneHotEncoder
,但它似乎在NaN
值方面存在一些问题(NaN
我想编码的列中不存在的值(
从我搜索的内容来看,解决方案是使用列转换器,它只能将编码应用于某些列,如下所示
ct = ColumnTransformer([(OneHotEncoder(categories = categories_list),['col1','col2','col3'])])
其中categories_list
是所有当前类别的列表。
问题是,当我尝试将此转换器应用于数据帧时,总是not enough values to unpack
错误。
我像这样转变
ct.fit_transform(df_train_xgboost)
知道我该怎么办吗?
编辑:
一些示例数据
id | col1 | col2 | col3 | price | has_something
1 blue car new 23781 NaN
2 green truck used 24512 1
3 red van new 44521 0
更多代码
categories_list = ['blue','green','red','car','truck','van','new','used']
df_train_xgboost = df_train
df_train_xgboost = df_train_xgboost.drop(columns_I_dont_want, axis=1)
df_train_xgboost = df_train_xgboost.fillna(value = {'col1': 0, 'col2': 0, 'col3': 0})
ct = ColumnTransformer([(OneHotEncoder(categories = categories_list),['col1','col2','col3'])])
print(df_train_xgboost.shape)
ct.fit_transform(df_train_xgboost)
首先,没有必要使用ColumnTransformer
。
-
为了使你的代码工作,你需要另一个输入参数,即转换器的"名称"。
完整示例:
df
col1 col2 col3
0 blue car new
1 green truck used
2 red van new
ct = ColumnTransformer([("onehot",OneHotEncoder(),[0,1,2])])
ct.fit_transform(df.values)
array([[1., 0., 0., 1., 0., 0., 1., 0.],
[0., 1., 0., 0., 1., 0., 0., 1.],
[0., 0., 1., 0., 0., 1., 1., 0.]])
- 现在请注意,仅使用
OneHotEncoder
即可获得相同的输出:
o = OneHotEncoder()
o.fit_transform(df).toarray()
array([[1., 0., 0., 1., 0., 0., 1., 0.],
[0., 1., 0., 0., 1., 0., 0., 1.],
[0., 0., 1., 0., 0., 1., 1., 0.]])