尝试使用 OneHot Encoder Python 的预处理错误

Posted 2023-03-11

【中文标题】尝试使用 OneHot Encoder Python 的预处理错误

【英文标题】：preprocessing error trying to use OneHot Encoder Python

【发布时间】：2017-10-13 00:00:50

【问题描述】：

我正在尝试在虚拟机中运行以下代码来解决家庭作业问题。我收到下面的错误消息，我正在尝试确定这是否是我的代码或网站的问题。如果有人能指出我的代码是否有错误以及如何修复它，我将不胜感激。如果我的代码看起来没问题，那么我会让课程知道他们有错误。

Code:



import numpy as np
import pandas as pd

# Load the dataset
X = pd.read_csv('titanic_data.csv')
# Limit to categorical data
X = X.select_dtypes(include=[object])

from sklearn.preprocessing import LabelEncoder
from sklearn.preprocessing import OneHotEncoder

# TODO: Create a LabelEncoder object, which will turn all labels present in
#       in each feature to numbers.
# HINT: Use LabelEncoder()

df=pd.DataFrame(X)

le = preprocessing.labelEncoder()


# TODO: For each feature in X, apply the LabelEncoder's fit_transform
#       function, which will first learn the labels for the feature (fit)
#       and then change the labels to numbers (transform).

df2=df.apply(le.fit_transform)


#for feature in X:
    # HINT: use fit_transform on X[feature] using the LabelEncoder() object
    #X[feature] = label_encoder.fit_transform(X[feature])

# TODO: Create a OneHotEncoder object, which will create a feature for each
#       label present in the data.
# HINT: Use OneHotEncoder()
ohe = preprocessing.OneHotEncoder()

# TODO: Apply the OneHotEncoder's fit_transform function to all of X, which will
#       first learn of all the (now numerical) labels in the data (fit), and then
#       change the data to one-hot encoded entries (transform).

# HINT: Use fit_transform on X using the OneHotEncoder() object

onehotlabels = enc.fit_transform(df2)


Error:

Traceback (most recent call last):
  File "vm_main.py", line 33, in <module>
    import main
  File "/tmp/vmuser_zrkfroofmi/main.py", line 2, in <module>
    import studentMain
  File "/tmp/vmuser_zrkfroofmi/studentMain.py", line 3, in <module>
    import OneHot
  File "/tmp/vmuser_zrkfroofmi/OneHot.py", line 21, in <module>
    le = preprocessing.labelEncoder()
NameError: name 'preprocessing' is not defined

【问题讨论】：

le = preprocessing.labelEncoder() 应该是 le = labelEncoder()，因为您导入 labelEncoder 而不是预处理。 ohe = preprocessing.OneHotEncoder() 也一样。

【参考方案1】：

在名称前调用 OneHotEncoder 而不进行预处理。所以就做ohe = OneHotEncoder()。问题在于您的导入，如果您执行from sklearn import preprocessing，您的脚本中的内容将起作用。

【参考方案2】：

从代码中，“从 sklearn.preprocessing 导入 OneHotEncoder”，用户试图从预处理导入 OneHotEncoder，而没有先导入预处理。 Preprocessing 是 sklearn 的一个包，OneHotEncoder 是一个预处理器。这导致了错误。所以导入预处理，然后用 OneHotEncoder 试试

【讨论】：

欢迎来到 SO！上一个答案是说同样的问题。你的新 P.O.V. 是什么？

从代码中，'from sklearn.preprocessing import OneHotEncoder'，用户试图从预处理中导入 OneHotEncoder 而没有先导入预处理。因为预处理是 sklearn 的一个包，而 OneHotEncoder 是一个预处理器。这导致了错误。所以导入预处理，然后尝试使用 OneHotEncoder

所以，请用你的评论编辑你的答案，你会得到一个很好的答案。