如何将带有 np.arrays 的 Pandas 系列变成数值？答案

【问题标题】：How to make Pandas Series with np.arrays into numerical value?如何将带有 np.arrays 的 Pandas 系列变成数值？
【发布时间】：2022-01-07 00:58:12
【问题描述】：

我正在使用经典的泰坦尼克号数据集。我使用OneHotEncoder 对人的姓氏进行编码。

transformer = make_column_transformer((OneHotEncoder(sparse=False), ['Surname']), remainder = "drop")
encoded_surname = transformer.fit_transform(titanic)
titanic['Encoded_Surname'] = list(encoded_surname.astype(np.float64))

这是我的数据框的样子：

这是我在寻找.info() 时得到的：

Data columns (total 7 columns):
 #   Column           Non-Null Count  Dtype  
---  ------           --------------  -----  
 0   Survived         891 non-null    int64  
 1   Pclass           891 non-null    int64  
 2   Sex              891 non-null    int64  
 3   SibSp            891 non-null    int64  
 4   Parch            891 non-null    int64  
 5   Fare             891 non-null    float64
 6   Encoded_Surname  891 non-null    object 
dtypes: float64(1), int64(5), object(1)

由于Encoded_Surname 标签是一个对象，而不是其他数字，因此我无法将数据放入分类器模型中。

如何将我从OneHotEncoder 得到的np.array 转换为数字数据？

【问题讨论】：

标签： pandas numpy scikit-learn one-hot-encoding

【解决方案1】：

我建议您使用pd.get_dummies 而不是OneHotEncoder。如果你真的想使用OneHotEncoder：

ohe_df = pd.DataFrame(encoded_surname, columns=transformer.get_feature_names())
#concat with original data
titanic = pd.concat([titanic, ohe_df], axis=1).drop(['Surname'], axis=1)

如果你可以使用pd.get_dummies:

titanic = pd.get_dummies(titanic, prefix=['Surname'], columns=['Surname'], drop_first=True)

【讨论】：

【解决方案2】：

IIUC，为encoded_surname 数据创建一个新数据框并将其加入您的原始数据集：

transformer = make_column_transformer((OneHotEncoder(sparse=False), ['Surname']), remainder = "drop")
encoded_surname = transformer.fit_transform(titanic)

titanic = titanic.join(pd.DataFrame(encoded_surname, dtype=int).add_prefix('Encoded_Surname'))

【讨论】：