Python One 热编码器：“PandasArray”对象没有“重塑”属性

Question

我有以下程序：

cat_feats = ['x', 'y', 'z', 'a', 'b',
                'c', 'd', 'e']

onehot_encoder = OneHotEncoder(categories='auto')
# convert each categorical feature from integer
# to one-hot
for feature in cat_feats:
    data[feature] = data[feature].array.reshape(len(data[feature]), 1)
    data[feature] = onehot_encoder.fit_transform(data[feature])

我对此有疑问。我明白了：

'PandasArray' object has no attribute 'reshape'

使用编码器之前data.head()的输出是这样的：

 0          2          1               4           6             3     2       1              37
 2          1          7               2          10             0     4       1              37
 3          2         15               2           6             0     2       1              37
 5          2          0               4           7             1     4       1              37
 7          4         14               2           9             0     4       1              37

此输出是 DataFrame 类型，仅包含我试图转换为 one-hot 的整数。我尝试过 .array、.values、.array.reshape(-1, 1)，但这些都不起作用。我发现尝试 .values 似乎在 for 循环的第一行中起作用，但是我从一次性转换中得到了垃圾。

请帮忙。

Answer 1

以下信息可能会有所帮助：

1. 一些对象的类型：
   • data[feature]: pandas.Series
   • data[feature].values: numpy.ndarray
2. 你可以reshape一个numpy.ndarray但不是pandas.Series，所以你需要使用.values来得到一个numpy.ndarray
3. 当您将numpy.ndarray 分配给data[feature] 时，会发生自动类型转换，因此data[feature] = data[feature].values.reshape(-1, 1) 似乎没有做任何事情。
4. fit_transform 采用类数组（需要是二维数组，例如pandas.DataFrame 或numpy.ndarray）对象作为参数，因为sklearn.preprocessing.OneHotEncoder 旨在同时拟合/转换多个特征，输入pandas.Series(一维数组）会导致错误。
5. fit_transform 将返回稀疏矩阵（或二维数组），将其分配给 pandas.Series 可能会导致灾难。

（不推荐）如果您坚持要处理一个又一个功能：

for feature in categorical_feats:
    encoder = OneHotEncoder()
    tmp_ohe_data = pd.DataFrame(
        encoder.fit_transform(data[feature].values.reshape(-1, 1)).toarray(),
        columns=encoder.get_feature_names(),
    )
    data = pd.concat([tmp_ohe_data, data], axis=1).drop([feature], axis=1)

我推荐这样编码：

encoder = OneHotEncoder()

ohe_data = pd.DataFrame(
    encoder.fit_transform(data[categorical_feats]).toarray(),
    columns=encoder.get_feature_names(),
)
res = pd.concat([ohe_data, data], axis=1).drop(categorical_feats, axis=1)

pandas.get_dummies也是不错的选择。