“不公平”熊猫 categorical.from_codes

Question

我必须为分类数据分配一个标签。让我们以 iris 为例：

import pandas as pd
import numpy as np
from sklearn.datasets import load_iris

iris = load_iris()

print "targets: ", np.unique(iris.target)
print "targets: ", iris.target.shape
print "target_names: ", np.unique(iris.target_names)
print "target_names: ", iris.target_names.shape

它将被打印出来：

目标：[0 1 2] 目标：（150L，）目标名称：['setosa' 'versicolor' 'virginica'] target_names: (3L,)

为了生成所需的标签，我使用 pandas.Categorical.from_codes：

print pd.Categorical.from_codes(iris.target, iris.target_names)

[setosa, setosa, setosa, setosa, setosa, ..., 维吉尼亚, 维吉尼亚, [virginica, virginica, virginica] 长度：150 类别（3，对象）： [setosa, versicolor, 弗吉尼亚]

让我们在另一个例子上试一试：

# I define new targets
target = np.array([123,123,54,123,123,54,2,54,2])
target = np.array([1,1,3,1,1,3,2,3,2])
target_names = np.array(['paglia','gioele','papa'])
#---
print "targets: ", np.unique(target)
print "targets: ", target.shape
print "target_names: ", np.unique(target_names)
print "target_names: ", target_names.shape

如果我再次尝试转换标签中的分类值：

print pd.Categorical.from_codes(target, target_names) 

我收到错误消息：

C:\Users\ianni\Anaconda2\lib\site-packages\pandas\core\categorical.pyc 在 from_codes(cls, 代码, 类别, 有序) 459 460 如果 len(codes) 和 (codes.max() >= len(categories) 或 codes.min() 461 raise ValueError("代码必须介于 -1 和 " 第462章 第463章

ValueError: 代码需要介于 -1 和 len(categories)-1 之间

你知道为什么吗？

Answer 1

你知道为什么吗？

如果您仔细查看错误回溯：

In [128]: pd.Categorical.from_codes(target, target_names)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-128-c2b4f6ac2369> in <module>()
----> 1 pd.Categorical.from_codes(target, target_names)

~\Anaconda3_5.0\envs\py36\lib\site-packages\pandas\core\categorical.py in from_codes(cls, codes, categories, ordered)
    619
    620         if len(codes) and (codes.max() >= len(categories) or codes.min() < -1):
--> 621             raise ValueError("codes need to be between -1 and "
    622                              "len(categories)-1")
    623

ValueError: codes need to be between -1 and len(categories)-1

你会看到满足以下条件：

codes.max() >= len(categories)

在你的情况下：

In [133]: target.max() >= len(target_names)
Out[133]: True

换句话说，pd.Categorical.from_codes() 期望 codes 作为从 0 到 len(categories) - 1 的连续数字

解决方法：

In [173]: target
Out[173]: array([123, 123,  54, 123, 123,  54,   2,  54,   2])

辅助字典：

In [174]: mapping = dict(zip(np.unique(target), np.arange(len(target_names))))

In [175]: mapping
Out[175]: {2: 0, 54: 1, 123: 2}

In [176]: reverse_mapping = {v:k for k,v in mapping.items()}

In [177]: reverse_mapping
Out[177]: {0: 2, 1: 54, 2: 123}

建筑分类系列：

In [178]: ser = pd.Categorical.from_codes(pd.Series(target).map(mapping), target_names)

In [179]: ser
Out[179]:
[papa, papa, gioele, papa, papa, gioele, paglia, gioele, paglia]
Categories (3, object): [paglia, gioele, papa]

反向映射：

In [180]: pd.Series(ser.codes).map(reverse_mapping)
Out[180]:
0    123
1    123
2     54
3    123
4    123
5     54
6      2
7     54
8      2
dtype: int64