一个热编码一个列

Question

我试图在Iris数据集中的目标列（“物种”）上使用一个热编码器。

但我得到了以下错误：

ValueError：预期的2D数组，得到1D数组代替：

使用数组或数组重塑数据的形状。如果数据具有单个要素或阵列，则重塑（-1，1）。如果（1，-1）包含单个样本，则重塑其形状。

Id SepalLengthCm SepalWidthCm PetalLengthCm PetalWidthCm    Species
0   1   5.1 3.5 1.4         0.2     Iris-setosa
1   2   4.9 3.0 1.4         0.2     Iris-setosa
2   3   4.7 3.2 1.3         0.2     Iris-setosa
3   4   4.6 3.1 1.5         0.2     Iris-setosa
4   5   5.0 3.6 1.4         0.2     Iris-setosa

我在谷歌上搜索了这个问题，发现大多数scikit学习估计器都需要2D数组，而不是一维数组。

同时，我还发现，我们可以尝试传递带有索引的数据帧来对单个列进行编码，但它不起作用

onehotencoder = OneHotEncoder(categorical_features=[df.columns.tolist().index('pattern_id')
X = dataset.iloc[:,1:5].values
y = dataset.iloc[:, 5].values

from sklearn.preprocessing import LabelEncoder, OneHotEncoder

labelencoder= LabelEncoder()
y = labelencoder.fit_transform(y)


onehotencoder = OneHotEncoder(categorical_features=[0])
y = onehotencoder.fit_transform(y)

我试图对单个分类列进行编码，并将其拆分为多个列（编码通常的工作方式）

Answer 1

我遇到了类似的情况，发现下面的方法是工作：

在fit或fit_transform命令中，使用两个方括号作为列名

one_hot_enc = OneHotEncoder()

arr =  one_hot_enc.fit_transform(data[['column']])
df = pd.DataFrame(arr)

fit_变换为您提供了一个数组，您可以将其转换为数据帧。您可以将其附加到原始数据帧或直接指定给现有列。

Answer 2

对于您的情况，因为看起来您正在使用kaggle数据集，所以我只使用

import pandas as pd
pd.get_dummies(df.Species).head()

Out[158]: 
   Iris-setosa  Iris-versicolor  Iris-virginica
0            1                0               0
1            1                0               0
2            1                0               0
3            1                0               0
4            1                0               0

请注意，这里的默认编码所有类（3种），其中通常只使用两个并比较基线组的方法差异（例如，R中的默认值，或者通常在进行回归/方差分析时，可以使用 drop_first参数）。

Answer 3

ValueError:应为2D数组，改为1D数组：使用数组或数组重塑数据。如果数据具有单个要素或阵列，则重塑（-1，1）。如果（1，-1）包含单个样本，则重塑其形状。

表示需要将数组转换为向量。您可以通过以下方式实现：

from sklearn import datasets
from sklearn.decomposition import PCA
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
import pandas as pd
import numpy as np

# load iris dataset 
>>> iris = datasets.load_iris()
>>> iris = pd.DataFrame(data= np.c_[iris['data'], iris['target']], columns= iris['feature_names'] + ['target'])
>>> y = iris.target.values
>>> onehotencoder = OneHotEncoder(categories='auto')
>>> y = onehotencoder.fit_transform(y.reshape(-1,1))
# y - will be sparse matrix of type '<class 'numpy.float64'>
# if you want it to be a array you need to 
>>> print(y.toarray())
[[1. 0. 0.]
 [1. 0. 0.]
    . . . . 
 [0. 0. 1.]
 [0. 0. 1.]]

您还可以使用get_dummies功能（文档）

>>> pd.get_dummies(iris.target).head()
   0.0  1.0  2.0
0    1    0    0
1    1    0    0
2    1    0    0
3    1    0    0
4    1    0    0

希望有帮助！