使用 One Hot 编码后在列中显示特征名称

Question

我在 csv 中有一列是我想要转换为数组的水果的名称。

示例 csv 列：

Names:
Apple
Banana
Pear
Watermelom
Jackfruit
..
..
..

列中有大约 400 个水果名称

我使用了一种热编码，但无法显示列名（csv 列的一行中的每个水果名称）

到目前为止我的代码是：

import pandas as pd
from sklearn.preprocessing import LabelEncoder, OneHotEncoder

dataset = pd.read_csv('D:/fruits.csv')
X= dataset.iloc[:, 0].values


labelencoder_X = LabelEncoder()
D= labelencoder_X.fit_transform(X)
D = D.reshape(-1, 1)

onehotencoder = OneHotEncoder(sparse=False, categorical_features = [0])
X = onehotencoder.fit_transform(D)

这会将列的数据转换为 numpy 数组，但列名称为 [0 1 2 3 .. ..] 我希望作为 csv 的每一行名称，例如 [Apple Banana Pear Watermelon .. ..]

使用一种热编码后如何保留列名

Answer 1

原答案：

OneHotEncode 的一种相当有效的方法是使用pd.get_dummies。 我已经申请了样本数据：

data = {'Names':['Apple','Banana','Pear', 'Watermelon']}
df = pd.DataFrame(data=data)

df_new = pd.get_dummies(df)
print(df_new) 

原始df：

        Names
0       Apple
1      Banana
2        Pear
3  Watermelon

编码的df：

   Names_Apple  Names_Banana  Names_Pear  Names_Watermelon
0            1             0           0                 0
1            0             1           0                 0
2            0             0           1                 0
3            0             0           0                 1

编辑：

假设我们的数据框包含 2 个分类和 2 个数字特征。我们只想对 2 个分类列中的 1 个进行 OneHotEncode。

生成虚拟数据：

data = {'Names':['Apple','Banana','Pear', 'Watermelom'],
        'Category' :['A','B','A','B'],
        'Val1':[10,20,30,30],
        'Val2':[60,70,80,90]}
df = pd.DataFrame(data=data)

        Names Category  Val1  Val2
0       Apple        A    10    60
1      Banana        B    20    70
2        Pear        A    30    80
3  Watermelom        B    30    90

如果我们只想 OneHotEncode Names 我们会这样做

df_new = pd.get_dummies(df, columns=['Names'])
print(df_new)

您可以参考这个documentation。通过定义columns，我们将只对感兴趣的列进行编码。

编码输出：

  Category  Val1  Val2  Names_Apple  Names_Banana  Names_Pear  Names_Watermelom
0        A    10    60            1             0           0                 0
1        B    20    70            0             1           0                 0
2        A    30    80            0             0           1                 0
3        B    30    90            0             0           0                 1