MultiLabelBinarizer 以字母而不是类别的形式输出类

Question

我有一个数据框，其中一列是 short_names。 short_names由2-5个名字字母组成=> BG,OP,LE,WEL,LC。每行可以有任意数量的名称。

我正在尝试使用 MultiLabelBinarizer 将名称转换为单独的列，这样如果行具有相似的名称，那么列中将有 1

one_hot = MultiLabelBinarizer()
one_hot.fit_transform(df['short_name']) 
one_hot.classes__

因为其中一行中有一个'-'导致错误TypeError: 'float' object is not iterable，我使用了

df['short_names']= df['short_names'].astype(str)

现在的问题是类输出的是字母而不是短名称，即 A、B、C 而不是 BG OP

Answer 1

我认为需要 dropna for remove missing values with split 如有需要:

df = pd.Series({0: np.nan, 1: 'CE', 2: 'NPP', 4: 'SE, CB, CBN, OOM, BCI', 5: 'RCS'})
       .to_frame('short_name')
print (df)
              short_name
0                    NaN
1                     CE
2                    NPP
4  SE, CB, CBN, OOM, BCI
5                    RCS

from sklearn.preprocessing import MultiLabelBinarizer
one_hot = MultiLabelBinarizer()
a = one_hot.fit_transform(df['short_name'].dropna().str.split(', ')) 
print (a)
[[0 0 0 1 0 0 0 0]
 [0 0 0 0 1 0 0 0]
 [1 1 1 0 0 1 0 1]
 [0 0 0 0 0 0 1 0]]

print(one_hot.classes_ )
['BCI' 'CB' 'CBN' 'CE' 'NPP' 'OOM' 'RCS' 'SE']

如果要输出DataFrame:

df = pd.DataFrame(a, columns=one_hot.classes_ )
print (df)
   BCI  CB  CBN  CE  NPP  OOM  RCS  SE
0    0   0    0   1    0    0    0   0
1    0   0    0   0    1    0    0   0
2    1   1    1   0    0    1    0   1
3    0   0    0   0    0    0    1   0

另一种解决方案是将 missing values 替换为 fillna:

from sklearn.preprocessing import MultiLabelBinarizer
one_hot = MultiLabelBinarizer()
a = one_hot.fit_transform(df['short_name'].fillna('missing').str.split(', ')) 
print (a)
[[0 0 0 0 0 0 0 0 1]
 [0 0 0 1 0 0 0 0 0]
 [0 0 0 0 1 0 0 0 0]
 [1 1 1 0 0 1 0 1 0]
 [0 0 0 0 0 0 1 0 0]]

print(one_hot.classes_ )
['BCI' 'CB' 'CBN' 'CE' 'NPP' 'OOM' 'RCS' 'SE' 'missing']

df = pd.DataFrame(a, columns=one_hot.classes_ )
print (df)
   BCI  CB  CBN  CE  NPP  OOM  RCS  SE  missing
0    0   0    0   0    0    0    0   0        1
1    0   0    0   1    0    0    0   0        0
2    0   0    0   0    1    0    0   0        0
3    1   1    1   0    0    1    0   1        0
4    0   0    0   0    0    0    1   0        0

MultiLabelBinarizer 以字母而不是类别的形式输出类

MultiLabelBinarizer output classes in letters instead of categories

python

multilabel-classification

MultiLabelBinarizer 以字母而不是类别的形式输出 类

MultiLabelBinarizer output classes in letters instead of categories

python

multilabel-classification

MultiLabelBinarizer 以字母而不是类别的形式输出类