我在 Excel 中有这个表格:
id class
0 2 3
1 1 3
2 3 5
现在，我想用 Python 进行“特殊”的单热编码。 对于第一个表中的每个 id，都有两个数字。每个数字对应一个类别(class1、class2 等)。第二个表是基于第一个表创建的，这样对于每个 id，其行中的每个数字都显示在其对应的类列中，而其他列只得到零。例如，id 0 的数字是 2 和 3。2 放在 class2 中，3 放在 class3 中。类 1、4 和 5 获得默认值 0。结果应如下所示:
id class1 class2 class3 class4 class5
0 0 2 3 0 0
1 1 0 3 0 0
2 0 0 3 0 5
我以前的解决方案，
foo = lambda x: pd.Series([i for i in x.split()])
result=onehot['hotel'].apply(foo)
result.columns=['class1','class2']
pd.get_dummies(result, prefix='class', columns=['class1','class2'])
结果:
class_1 class_2 class_3 class_3 class_5
0 0.0 1.0 0.0 1.0 0.0
1 1.0 0.0 0.0 1.0 0.0
2 0.0 0.0 1.0 0.0 1.0
(class_3 出现了两次)。我该怎么做才能解决这个问题？ (经过这一步，我可以把它转换成我想要的最终格式。)
请您参考如下方法:
您需要将变量设置为 categorical然后你可以使用 one hot encoding如图:
In [18]: df1 = pd.DataFrame({"class":pd.Series(['2','1','3']).astype('category',categories=['1','2','3','4','5'])})
In [19]: df2 = pd.DataFrame({"class":pd.Series(['3','3','5']).astype('category',categories=['1','2','3','4','5'])})
In [20]: df_1 = pd.get_dummies(df1)
In [21]: df_2 = pd.get_dummies(df2)
In [22]: df_1.add(df_2).apply(lambda x: x * [i for i in range(1,len(df_1.columns)+1)], axis = 1).astype(int).rename_axis('id')
Out[22]:
class_1 class_2 class_3 class_4 class_5
id
0 0 2 3 0 0
1 1 0 3 0 0
2 0 0 3 0 5
