如何对 python 中数据框中的列进行一次热编码

Question

我有包含教育水平分类列的数据集初始值为0，nan，高中，研究生院，大学我已经清理了数据并将其转换为以下值

0->其他 1-> 高中 2-> 研究生院 3-> 大学

在同一列中，现在我想将此列热编码为4列

我尝试使用 scikit learn 如下

onehot_encoder = OneHotEncoder()
onehot_encoded = onehot_encoder.fit_transform(df_csv['EDUCATION'])
print(onehot_encoded)

我遇到了这个错误

ValueError: Expected 2D array, got 1D array instead:
array=[3 3 3 ... 3 1 3].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

Answer 1

您需要将 sparse 设置为 False

from sklearn.preprocessing import OneHotEncoder

onehot_encoder = OneHotEncoder(sparse=False)
y_train = np.random.randint(0,4,100)[:,None]
y_train = onehot_encoder.fit_transform(y_train)

或者，你也可以这样做

from sklearn.preprocessing import LabelEncoder
from keras.utils import np_utils

y_train = np.random.randint(0,4,100)
encoder = LabelEncoder()
encoder.fit(y_train)
encoded_y = encoder.transform(y_train)
y_train = np_utils.to_categorical(encoded_y)

Answer 2

对于您的具体情况，如果您重塑底层数组（连同设置 sparse=False），它将为您提供单热编码数组：

import pandas as pd
from sklearn.preprocessing import OneHotEncoder

df = pd.DataFrame({'EDUCATION':['high school','high school','high school',
                                'university','university','university',
                                'graduate school', 'graduate school','graduate school',
                                'others','others','others']})

onehot_encoder = OneHotEncoder(sparse=False)
onehot_encoder.fit_transform(df['EDUCATION'].to_numpy().reshape(-1,1))

>>>

array([[0., 1., 0., 0.],
       [0., 1., 0., 0.],
       [0., 1., 0., 0.],
       [0., 0., 0., 1.],
       [0., 0., 0., 1.],
       [0., 0., 0., 1.],
       [1., 0., 0., 0.],
       [1., 0., 0., 0.],
       [1., 0., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 1., 0.],
       [0., 0., 1., 0.]])

我认为最直接的方法是使用 pandas.get_dummies:

pd.get_dummies(df['EDUCATION'])

如何对 python 中数据框中的列进行一次热编码

how to make one hot encoding to column in data frame in python

python

scikit-learn

one-hot-encoding