在 Pandas 中加入一个数据集和 OneHotEncoder 的结果

Posted 2023-03-24

【中文标题】在 Pandas 中加入一个数据集和 OneHotEncoder 的结果

【英文标题】：Join one dataset and the result of OneHotEncoder in Pandas

【发布时间】：2017-12-22 14:07:27

【问题描述】：

让我们考虑来自this example的房价数据集。

我将整个数据集存储在 housing 变量中：

housing.shape

(20640, 10)

我也做了一维的OneHotEncoder编码，得到housing_cat_1hot，所以

housing_cat_1hot.toarray().shape

(20640, 5)

我的目标是连接这两个变量并将所有内容存储在一个数据集中。

我试过Join with index tutorial，但问题是第二个矩阵没有任何索引。 如何在 housing 和 housing_cat_1hot 之间进行 JOIN？

>>> left=housing
>>> right=housing_cat_1hot.toarray()
>>> result = left.join(right)

Traceback（最近一次调用最后一次）：文件“”，第 1 行，in 结果=left.join（右）文件“/usr/local/Cellar/python3/3.6.3/Frameworks/Python.framework/Versions/3.6/lib/python3.6/pandas/core/frame.py”， 第 5293 行，加入 rsuffix=rsuffix, sort=sort) 文件 "/usr/local/Cellar/python3/3.6.3/Frameworks/Python.framework/Versions/3.6/lib/python3.6/pandas/core/frame.py", 第 5323 行，在 _join_compat can_concat = all(df.index.is_unique for df in frames) 文件“/usr/local/Cellar/python3/3.6.3/Frameworks/Python.framework/Versions/3.6/lib/python3.6/pandas/core/frame .py", 第 5323 行，在 can_concat = all(df.index.is_unique for df in frames) A​​ttributeError: 'numpy.ndarray' object has no attribute 'index'

【问题讨论】：

好吧，如果你这样做 to_array 它就会变成一个 numpy 数组。 Join 需要一个数据框或一个系列，而不是一个数组。也许left.join(housing_cat_1hot) 就是你所需要的

【参考方案1】：

嗯，这取决于您如何创建单热向量。 但是如果它的排序和你原来的DataFrame一样，并且它本身就是一个DataFrame，你可以在加入之前添加相同的索引：

housing_cat_1hot.index = range(len(housing_cat_1hot))

如果它不是 DataFrame，则将其转换为一个。 这很简单，只要两个对象的排序相同

编辑：如果它不是 DataFrame，那么： Housing_cat_1hot = pd.DataFrame(housing_cat_1hot)

已经为您创建了合适的索引

【参考方案2】：

如果你想加入两个数组（假设 Housing_cat_1hot 和 Housing 都是数组），你可以使用

housing = np.hstack((housing, housing_cat_1hot))

尽管 OneHotEncode 变量的最佳方法是在数组中选择该变量并进行编码。省去了以后加入两者的麻烦

假设您希望在数组中编码的变量的索引是 1，

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
le = LabelEncoder()  
X[:, 1] = le.fit_transform(X[:, 1])

onehotencoder = OneHotEncoder(categorical_features = [1])
X = onehotencoder.fit_transform(X).toarray()

【参考方案3】：

感谢@Elez-Shenhar 的回答，我得到了以下工作代码：

OneHot=housing_cat_1hot.toarray()
OneHot= pd.DataFrame(OneHot)
result = housing.join(OneHot)
result.shape

(20640, 15)

【讨论】：

列名怎么样？