快捷導(dǎo)航

Python實(shí)現(xiàn)類別變量的獨(dú)熱編碼

更新時(shí)間：2023年02月17日 15:27:14 作者：瘋狂學(xué)習(xí)GIS

這篇文章主要為大家詳細(xì)介紹了基于Python下OneHotEncoder與pd.get_dummies兩種方法，實(shí)現(xiàn)機(jī)器學(xué)習(xí)中最優(yōu)的編碼方法——獨(dú)熱編碼的方法，需要的可以參考一下

1 OneHotEncoder

首先導(dǎo)入必要的模塊。

import pandas as pd
from sklearn.preprocessing import OneHotEncoder

其中，OneHotEncoder是我們實(shí)現(xiàn)獨(dú)熱編碼的關(guān)鍵模塊。

接下來(lái)，導(dǎo)入并顯示數(shù)據(jù)前五行。

test_data_1=pd.read_csv('G:/CropYield/03_DL/00_Data/onehot_test.csv',names=['EVI0610','EVI0626','SoilType'],header=0)
test_data_1.head(5)

關(guān)于這里導(dǎo)入數(shù)據(jù)代碼的解釋，大家可以查看多變量?jī)蓛上嗷リP(guān)系聯(lián)合分布圖的Python繪制與Python TensorFlow深度學(xué)習(xí)回歸代碼：DNNRegressor這兩篇文章，這里就不再贅述啦~

數(shù)據(jù)前五行展示如下圖。其中，前兩列'EVI0610'與'EVI0626'為數(shù)值型連續(xù)變量，而'SoilType'為數(shù)值型類別變量。我們要做的，也就是將第三列'SoilType'進(jìn)行獨(dú)熱編碼。

接下來(lái)，進(jìn)行獨(dú)熱編碼的配置。

ohe=OneHotEncoder(handle_unknown='ignore')
ohe.fit(test_data_1)

在這里，第一行是對(duì)獨(dú)熱編碼的配置，第二行則是對(duì)我們剛剛導(dǎo)入的數(shù)據(jù)進(jìn)行獨(dú)熱編碼處理。得到一個(gè)獨(dú)熱編碼配置的輸出結(jié)果。

接下來(lái)，看看獨(dú)熱編碼處理后，將我們的數(shù)據(jù)分成了哪些類別。

ohe.categories_

得到結(jié)果如下圖。

可以發(fā)現(xiàn)，一共有三個(gè)array，為什么呢？仔細(xì)看可以發(fā)現(xiàn)，獨(dú)熱編碼是將我們導(dǎo)入的三列數(shù)據(jù)全部都當(dāng)作類別變量來(lái)處理了。之所以會(huì)這樣，是因?yàn)槲覀冊(cè)谝婚_(kāi)始沒(méi)有表明哪一列是類別變量，需要進(jìn)行獨(dú)熱編碼；而哪一列不是類別變量，從而不需要進(jìn)行獨(dú)熱編碼。

那么，我們?nèi)绾螌?shí)現(xiàn)上述需求，告訴程序我們要對(duì)哪一行進(jìn)行獨(dú)熱編碼呢？在老版本的sklearn中，我們可以借助categorical_features=[x]參數(shù)來(lái)實(shí)現(xiàn)這一功能，但是新版本sklearn取消了這一參數(shù)。那么此時(shí)，一方面，我們可以借助ColumnTransformer來(lái)實(shí)現(xiàn)這一過(guò)程，另一方面，我們可以直接對(duì)需要進(jìn)行轉(zhuǎn)換的列加以處理。后者相對(duì)較為容易理解，因此本文對(duì)后者進(jìn)行講解。

我們將test_data_1中的'SoilType'列作為索引，從而僅僅對(duì)該列數(shù)據(jù)加以獨(dú)熱編碼。

ohe_column=pd.DataFrame(ohe.fit_transform(test_data_1[['SoilType']]).toarray())
ohe_column.head(5)

其中，[['SoilType']]表示僅僅對(duì)這一列進(jìn)行處理。得到結(jié)果如下圖。

可以看到，原來(lái)的'SoilType'列現(xiàn)在成為了63列的編碼列，那么這樣的話，說(shuō)明我們?cè)鹊?code>'SoilType'應(yīng)該一共是有63個(gè)不同的數(shù)值。是不是這個(gè)樣子呢？我們來(lái)檢查一下。

count=pd.DataFrame(test_data_1['SoilType'].value_counts())
print(count)

得到結(jié)果如下。

好的，沒(méi)有問(wèn)題：可以看到此結(jié)果共有63行，也就是'SoilType'列原本是有63個(gè)不同的值的，證明我們的獨(dú)熱編碼沒(méi)有出錯(cuò)。

此時(shí)看一下我們的test_data_1數(shù)據(jù)目前長(zhǎng)什么樣子。

test_data_1.head(5)

是的，我們僅僅對(duì)'SoilType'列做了處理，沒(méi)有影響到整個(gè)初始數(shù)據(jù)。那么先將原本的'SoilType'列剔除掉。

test_data_1=test_data_1.drop(['SoilType'],axis=1)
test_data_1.head(5)

再將經(jīng)過(guò)獨(dú)熱編碼處理后的63列加上。

test_data_1.join(ohe_column)

大功告成！

但是這里還有一個(gè)問(wèn)題，我們經(jīng)過(guò)獨(dú)熱編碼所得的列名稱是以數(shù)字來(lái)命名的，非常不方便。因此，有沒(méi)有什么辦法可以在獨(dú)熱編碼進(jìn)行的同時(shí)，自動(dòng)對(duì)新生成的列加以重命名呢？

2 pd.get_dummies

pd.get_dummies是一個(gè)最好的辦法！其具體用法與上述OneHotEncoder類似，因此具體過(guò)程就不再贅述啦，大家看代碼就可以明白。

首先還是導(dǎo)入與上述內(nèi)容中一致的初始數(shù)據(jù)。

test_data_2=pd.read_csv('G:/CropYield/03_DL/00_Data/onehot_test.csv',names=['EVI0610','EVI0626','SoilType'],header=0)
test_data_2.head(5)

進(jìn)行獨(dú)熱編碼并看看結(jié)果。

test_data_2_ohe=pd.get_dummies(test_data_2,columns=['SoilType'])
test_data_2_ohe.head(5)

最終結(jié)果中，列名稱可以說(shuō)是非常醒目，同時(shí)，共有65列數(shù)據(jù)，自動(dòng)刪除了原本的'SoilType'列，實(shí)現(xiàn)了“獨(dú)熱編碼”“新列重命名”與“原始列刪除”，可謂一舉三得，簡(jiǎn)直是太方便啦~

到此這篇關(guān)于Python實(shí)現(xiàn)類別變量的獨(dú)熱編碼的文章就介紹到這了,更多相關(guān)Python獨(dú)熱編碼內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: