sklearn 如何知道哪些列是 One-Hot 编码的？

【问题标题】：How does sklearn know which columns are One-Hot encoded?sklearn 如何知道哪些列是 One-Hot 编码的？
【发布时间】：2020-02-21 08:16:38
【问题描述】：

我有一个数据集，其中有对象类型的列和其他类型的 int 或 float。我知道我需要将对象列转换为虚拟变量，但我还有一些表示二进制数据的 int 和 float 列（已经是 0 和 1）。 sklearn 会将这些列解释为分类吗？我不希望这些被视为连续变量。

【问题讨论】：

"sklearn" 具有处理数据的函数和类。 “Sklearn”不会这样解释您的数据框

标签： python machine-learning scikit-learn sklearn-pandas one-hot-encoding

【解决方案1】：

OneHotEncoder 不处理，这些列是分类类型。因此，输入到OneHotEncoder 的所有列都将转换为虚拟变量。

你可以参考例子here。

如果您已经有二进制变量，那么为其创建两个虚拟变量是没有意义的。

您可以使用make_column_transformer 指定需要一种热编码的列。

例子：

>>> import pandas as pd
>>> X = pd.DataFrame([['Male', 0], ['Female', 1], ['Female', 0]], columns=['gender', 'groups'])
>>> from sklearn.compose import make_column_transformer
>>> ct = make_column_transformer((OneHotEncoder(),[0])) #, remainder='passthrough'
>>> ct.fit_transform(X)
array([[0., 1.],
       [1., 0.],
       [1., 0.]])

【讨论】：