转换热编码答案

【问题标题】：Transform Hot Encoding转换热编码
【发布时间】：2021-07-14 08:58:12
【问题描述】：

我有这个数据；

ID   Month
001  June
001  July
001  August
002  July

我希望结果是这样的：

ID   June  July  August
001   1     1      1
002   0     1      0

我试过one-hot encoding，我的查询是这样的：

one_hot = pd.get_dummies(frame['month'])
frame = frame.drop('Month',axis = 1)
frame = frame.join(one_hot)

但是结果是这样的

ID   June  July  August
001   1     0      0
001   0     1      0
001   0     0      1
002   0     1      0

我可以知道我的查询的哪一部分是错误的吗？

【问题讨论】：

你想要的不是 one-hot encoding，顾名思义，每行有一个高位 (1)
如果第一个 July 更改为 June，预期输出是什么？

标签： python pandas numpy transform one-hot-encoding

【解决方案1】：

get_dummies返回严格的1-hot编码值，你可以使用pd.crosstab：

>>> out = pd.crosstab(df.ID, df.Month)
>>> out

Month  August  July  June
ID
1           1     1     1
2           0     1     0

为了保持月份的出现顺序，您可以reindex：

>>> out.reindex(df.Month.unique(), axis=1)

Month  June  July  August
ID
1         1     1       1
2         0     1       0

如果一个 ID 可以关联超过 1 个月并且您希望将其视为 1：

out = out.ne(0).astype(int)

以后可以使用。

【讨论】：

你确定 OP 需要计数吗？
不确定，但我怀疑他们尝试get_dummies 和 ID-Month 对似乎是独一无二的。添加了解决方法。
是的，热编码返回0,1，所以crosstab 这是个坏主意（但如果使用 out.ne(0).astype(int) 它可以工作，但在我看来过于复杂）

【解决方案2】：

如果需要热编码，将ID 转换为索引并聚合max 以获得始终0,1 输出：

one_hot = (pd.get_dummies(frame.set_index('ID')['Month'])
             .max(level=0)
             .reindex(df.Month.unique(), axis=1))
print (one_hot)
    June  July  August
ID                    
1      1     1       1
2      0     1       0

【讨论】：