一热编码：必须编码的column_values列表

Question

我在列表中有一个列名称，我想对列表中的列中的值进行热编码。我想从数据集中对分类变量进行编码。我尝试了几个过程，但它给我带来了一个错误

from sklearn import preprocessing
#training_set_ed is where my .csv file is stored
edited_training_set = 'edited_dataset/test_set.csv'
trainig_set_ed = pd.read_csv(edited_training_set)

column_header = ['cat_var_1','cat_var_2','cat_var_3','cat_var_4','cat_var_5','cat_var_6',
        'cat_var_7','cat_var_8','cat_var_9','cat_var_10','cat_var_11','cat_var_12','cat_var_13',
        'cat_var_14','cat_var_15','cat_var_16','cat_var_17','cat_var_18']
clfs = {c:LabelEncoder() for c in column_header}

for col,clf in clfs.items():

      trainig_set_ed[col] = clfs[col].fit_transform(trainig_set_ed[col])

trainig_set_ed.to_csv('edited_dataset/train_set_encode.csv',sep='\t',encoding='utf-8')

它抛出的错误

回溯（最后一次调用）：文件“preprocessing.py”，第83行，trainig_set_ed[col]=clfs[col].fit_transform（trainig_set_ed[col]）文件“/root/.local/lib/python2.7/site packages/pandas/core/frame.py”，第2139行，在getitem return self中，在第1842行，在第3838行get loc=self.items.get loc（item）文件中的第3838行，返回self.\u getitem\u cache（key）文件“/root/.local/lib/python2.7/site packages/pands/core/generic.py”“/root/.local/lib/python2.7/site packages/pandas/core/index/base.py”，第2524行，在get_loc返回self.\u engine.get_loc（self.\u maybe_cast_indexer（key））文件“pandas/_libs/index.pyx”，第117行，在pandas.\u libs.index.IndexEngine.get_loc文件“pandas/_libs/index.pyx”，第139行，在pandas.\u libs.index.IndexEnginepandas/_libs/hashtable_class_helper.pxi”，第1265行，在pandas中。_libs.hashtable.PyObjectHashTable.get_项目文件“pandas/_libs/hashtable_class_helper.pxi”，第1273行，在pandas中。_libs.hashtable.PyObjectHashTable.get_项目键错误：“cat_var_6”

谢谢

Answer 1

演示：

资料来源：

In [93]: df
Out[93]:
     a    b    c
0  aaa  xxx  ddd
1  bbb  zzz  bbb
2  ccc  aaa  aaa

解决方案：

In [94]: from sklearn.preprocessing import LabelEncoder
    ...:
    ...: cols = ['a','b','c']
    ...: clfs = {c:LabelEncoder() for c in cols}
    ...:

In [95]: for col, clf in clfs.items():
    ...:     df[col] = clfs[col].fit_transform(df[col])
    ...:

In [96]: df
Out[96]:
   a  b  c
0  0  1  2
1  1  2  1
2  2  0  0

反变换：

In [97]: clfs['a'].inverse_transform(df['a'])
Out[97]: array(['aaa', 'bbb', 'ccc'], dtype=object)

In [98]: clfs['b'].inverse_transform(df['b'])
Out[98]: array(['xxx', 'zzz', 'aaa'], dtype=object)

In [99]: clfs['c'].inverse_transform(df['c'])
Out[99]: array(['ddd', 'bbb', 'aaa'], dtype=object)