Question

让我们假设我有一个带有以下列名称的pandas数据框：

'age'（例如33、26、51等）
'seniority'（例如，“初级”，“高级”等）
'gender'（例如“ male”，“ female”）
'salary'（例如32000、40000、64000等）

我想将seniority分类变量转换为一个热编码值。因此，我正在执行以下操作：

from sklearn.preprocessing import LabelEncoder
label_encoder = LabelEncoder()
data['seniority'] = label_encoder.fit_transform(data['seniority'])

from sklearn.preprocessing import OneHotEncoder
one_hot_encoder = OneHotEncoder(categorical_features=[1])
data = one_hot_encoder.fit_transform(data.values)

但是然后我得到了这个错误

ValueError: could not convert string to float: 'gender'

在线

data = one_hot_encoder.fit_transform(data.values)

但是，我已经明确指定了categorical_features=[1]，因此对于这种热编码，仅应考虑列1（seniority）。

如何解决此错误（例如，删除“性别”列除外）？

我过去使用过pandas.get_dummies，但没有遇到这个问题。

Answer 1

我认为在这种情况下，您应该坚持使用pd.get_dummies：

>>> data
   age seniority  gender  salary
0    1    junior    male       5
1    2    senior  female       6
2    3    junior  female       7

# One hot encode with get_dummies
data = pd.concat((data,pd.get_dummies(data.seniority)),1)

>>> data
   age seniority  gender  salary  junior  senior
0    1    junior    male       5       1       0
1    2    senior  female       6       0       1
2    3    junior  female       7       1       0

问题是sklearn的{{1}}需要有一个整数数组作为输入。但是在数组OneHotEncoder中，您仍然具有data.values的字符串表示形式。如果需要，您可以仅对一个优先级值进行一次热编码，但是如果您想知道这些功能的含义，那就不太好了，您必须手动将其传递给列名（在许多情况下这是不可行的））：

gender

或者，如果功能名称无关紧要：

from sklearn.preprocessing import LabelEncoder
label_encoder = LabelEncoder()
data['seniority'] = label_encoder.fit_transform(data['seniority'])

from sklearn.preprocessing import OneHotEncoder
one_hot_encoder = OneHotEncoder(sparse=False)
data[['junior','senior']] = one_hot_encoder.fit_transform(data['seniority'].values.reshape(-1,1))

>>> data
   age  seniority  gender  salary  junior  senior
0    1          0    male       5     1.0     0.0
1    2          1  female       6     0.0     1.0
2    3          0  female       7     1.0     0.0

但是最后，from sklearn.preprocessing import LabelEncoder label_encoder = LabelEncoder() data['seniority'] = label_encoder.fit_transform(data['seniority']) from sklearn.preprocessing import OneHotEncoder one_hot_encoder = OneHotEncoder(sparse=False) data = pd.concat((data,pd.DataFrame(one_hot_encoder.fit_transform(data['seniority'].values.reshape(-1,1)))),1) age seniority gender salary 0 1 0 1 0 male 5 1.0 0.0 1 2 1 female 6 0.0 1.0 2 3 0 female 7 1.0 0.0以更好的方式（IMO）进行了这项工作

OneHotEncoder-仅编码一些分类变量列

1 个答案: