循环对 PANDAS 数据帧进行一次热编码质量检查

Posted 2023-03-12

【中文标题】循环对 PANDAS 数据帧进行一次热编码质量检查

【英文标题】：Loop for one hot encoding quality checks for PANDAS dataframes

【发布时间】：2022-01-18 03:17:31

【问题描述】：

我需要编写一个循环来检查一个热编码是否正确完成（这意味着发票的值：1 在错误的列中或某些发票对一个变量有多个 1 等的情况），需要将数据框作为输出，展示每个发票/行的潜在错误列表。

这里我有这两个数据框：

Invoice_ID_raw：

Invoice ID	Type of purchase	Paid
1233	Remote	CASH
4566	Paid upon arrival	CARD
4458	Remote	IN ADVANCE

Invoice_ID_after_one_hot

Invoice ID	Type of purchase_Remote	Type of purchase_Paid upon arrival	Paid_CASH	PAID_CARD	PAID_IN ADVANCE
1233	1	0	1	0	0
4566	0	1	0	1	0
4458	1	0	0	0	1

作为循环输出的所需数据框布局

Invoice ID	Type of purchase_correct_encoding?	Paid_correct_encoding?
1233	Correct	Correct
4566	Correct	Correct
4458	Correct	NOT CORRECT

请您帮忙，因为我仍然是 Python 的新手。将不胜感激！

【问题讨论】：

请不要发布数据图像，因为我们无法对其进行测试。相反，直接在代码块中发布 DataFrame(s) 和预期输出的示例。这使我们能够轻松地重现您的问题并为您提供帮助。否则，你得到任何答案的概率很低。花时间阅读How to create a Minimal, Reproducible Example 和How to make good reproducible pandas examples 并相应地修改您的问题。

明白了，会调整的。谢谢！

我看到你已经更新了，现在好多了，谢谢！但是，预期的输出仍不清楚。我认为最好详细说明一个带有错误的热编码结果的示例，然后共享预期的输出，即“显示每个发票/行的潜在错误列表的数据框”。

【参考方案1】：

您可以使用pd.getdummies()：

pd.get_dummies(df[['Type of purchase', 'Paid']]).drop(columns=['Paid_IN ADVANCE'])

【讨论】：

谢谢，但我需要一些不同的东西，因为编码是使用 pd.get_dummies 完成的，我尝试编写的是一个循环来检查 pd.get_dummies 是否正确完成，这意味着 1 和 0 在每行（发票）的适当虚拟列。