一个热编码一列有 28 个不同的国家，只有 6 个类

【问题标题】：One hot encoding a column with 28 different countires with only 6 classes一个热编码一列有 28 个不同的国家，只有 6 个类
【发布时间】：2020-04-11 22:24:24
【问题描述】：

我有一个数据集，其中“国家”列有 28 个不同的国家。我需要首先对列进行“标签编码”，然后仅使用 6 个标签对其进行“一个热编码”：前 5 个最常见的国家：美国、中国、日本、法国、加拿大和第 6 个标签是“其他”的任何其他国家专栏

【问题讨论】：

标签： python pandas data-science

【解决方案1】：

你可以使用np.where:

countries = ['USA', 'CHINA', 'JAPAN', 'FRANCE', 'CANADA']
df['country_cat'] = np.where(df['country'].isin(countries), 
                             df['country'], 'OTHER')

# and then you can use `pd.get_dummies`
pd.get_dummies(df['country_cat'])

【讨论】：

【解决方案2】：

您可以使用lambda 尝试这个简单的解决方案。 lambda 中的 if elif else 条件甚至可以帮助您进一步分类！

top = ['USA', 'CHINA', 'JAPAN', 'FRANCE', 'CANADA']
df['country'] = df['country'].apply(lambda x : 'OTHERS' if x not in top else x)
pd.get_dummies(df['country'])

【讨论】：

是否也可以使用一个可以从 sklearn 导入的热编码程序来完成？