Skip to main content
 首页 » 编程设计

python之用 sklearn 解码 pandas 数据帧

2024年11月24日10leader

我有一个包含许多列的数据框。其中一些是字符串,另一些是整数。 我使用此代码对我的数据框进行编码:

le = LabelEncoder() 
for col in df.columns: 
    df_encoded[col] = df.apply(le.fit_transform) 

成功了!但是当我想用这段代码解码它时:

for col in df.columns: 
    df_decoded[col] = df_encoded.apply(le.inverse_transform) 

我收到此错误:

ValueError: ('The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()', 'occurred at index MYCOLUMNNAME') 

请您参考如下方法:

列与列之间的数据类型不同,因此将 apply 与 fit_transform 一起使用在这里不起作用。它似乎可以正常工作,但 LabelEncoder 将在操作结束时适合最右边的列,因此当您尝试应用 inverse_transform 时,LabelEncoder会将其他列中的所有元素替换为它在最右边列中看到的元素。例如:

df = pd.DataFrame([{'A': 1, 'B': 'p'}, {'A': 1, 'B': 'q'},  {'A': 2, 'B': 'o'},  {'A': 3, 'B': 'p'}]) 
df 
   A  B 
0  1  p 
1  1  q 
2  2  o 
3  3  p 
 
df = df.apply(le.fit_transform) 
df 
   A  B 
0  0  1 
1  0  2 
2  1  0 
3  2  1   # Looks fine 
 
df.apply(le.inverse_transform) 
   A  B 
0  o  p 
1  o  q 
2  p  o 
3  q  p   # Whoops 

即使您逐一遍历列并执行 fit_transform 和 inverse_transform,您也会看到相同的结果。

在反转之前,您需要将编码器安装到正确的列:

le = LabelEncoder() 
df_encoded = pd.DataFrame(columns=df.columns) 
df_decoded = pd.DataFrame(columns=df.columns) 
 
for col in df.columns: 
    df_encoded[col] = le.fit_transform(df[col]) 
 
df_encoded 
   A  B 
0  0  1 
1  0  2 
2  1  0 
3  2  1 
 
for col in df.columns: 
    le = le.fit(df[col]) 
    df_decoded[col] = le.inverse_transform(df_encoded[col]) 
 
df_decoded 
 
   A  B 
0  1  p 
1  1  q 
2  2  o 
3  3  p   # Yeay