我如何使用 sklearn DictVectorizer 对列表进行矢量化答案

【问题标题】：How can i vectorize list using sklearn DictVectorizer我如何使用 sklearn DictVectorizer 对列表进行矢量化
【发布时间】：2014-08-06 16:16:40
【问题描述】：

我在 sklearn 文档网站上找到了下一个示例：

>>> measurements = [
...     {'city': 'Dubai', 'temperature': 33.},
...     {'city': 'London', 'temperature': 12.},
...     {'city': 'San Fransisco', 'temperature': 18.},
... ]

>>> from sklearn.feature_extraction import DictVectorizer
>>> vec = DictVectorizer()

>>> vec.fit_transform(measurements).toarray()
array([[  1.,   0.,   0.,  33.],
       [  0.,   1.,   0.,  12.],
       [  0.,   0.,   1.,  18.]])

>>> vec.get_feature_names()
['city=Dubai', 'city=London', 'city=San Fransisco', 'temperature']

我需要对看起来像这样的 dict 进行矢量化：

>>> measurements = [
...     {'city': ['Dubai','London'], 'temperature': 33.},
...     {'city': ['London','San Fransisco'], 'temperature': 12.},
...     {'city': ['San Fransisco'], 'temperature': 18.},
... ]

得到下一个结果：

array([[  1.,   1.,   0.,  33.],
       [  0.,   1.,   1.,  12.],
       [  0.,   0.,   1.,  18.]])

我的意思是 dict 的值应该是一个列表（或元组等）。

我可以使用 DictVectorizer 或以任何其他方式做到这一点吗？

【问题讨论】：

DictVectorizer 对字符串变量进行一次热编码，否则浮动。所以不，你不能用 DictVectorizer 做到这一点。如果这是你的情况，我会自己写一些东西。
@TalKremerman 这是完全可行的，看我的回答。

标签： python scikit-learn

【解决方案1】：

将表示更改为

>>> measurements = [
...     {'city=Dubai': True, 'city=London': True, 'temperature': 33.},
...     {'city=London': True, 'city=San Fransisco': True, 'temperature': 12.},
...     {'city': 'San Fransisco', 'temperature': 18.},
... ]

那么结果和你期望的完全一样：

>>> vec.fit_transform(measurements).toarray()
array([[  1.,   1.,   0.,  33.],
       [  0.,   1.,   1.,  12.],
       [  0.,   0.,   1.,  18.]])

【讨论】：