我想询问 this question 的分机号,其中讨论了向缺失的类添加标签,以确保虚拟对象正确编码为空白。
有没有一种方法可以在多组数据中自动执行此操作,并使标签在两者之间自动同步? (即用于测试和训练集)。 IE。相同的列,但每列中表示的数据类别不同?
例如: 假设我有以下两个数据框:
df1 = pd.DataFrame.from_items([('col1', list('abc')), ('col2', list('123'))])
df2 = pd.DataFrame.from_items([('col1', list('bcd')), ('col2', list('234'))])
df1
col1 col2
1 a 1
2 b 2
3 c 3
df2
col1 col2
1 b 2
2 c 3
3 d 4
我想要:
df1
col1_a col1_b col1_c col1_d col2_1 col2_2 col2_3 col2_4
1 1 0 0 0 1 0 0 0
2 0 1 0 0 0 1 0 0
3 0 0 1 0 0 0 1 0
df2
col1_a col1_b col1_c col1_d col2_1 col2_2 col2_3 col2_4
1 0 1 0 0 0 1 0 0
2 0 0 1 0 0 0 1 0
3 0 0 0 1 0 0 0 1
无需提前指定
col1_labels = ['a', 'b', 'c', 'd'], col2_labels = ['1', '2', '3', '4']
我可以同时对许多列系统地执行此操作吗?我正在想象一个函数,当传入两个或多个数据帧时(假设所有列都相同):
- 读取 pandas 数据框中的哪些列是类别
- 找出总体标签是什么
- 然后为每列提供类别标签 这看起来对吗?有更好的办法吗?
最佳答案
我认为你需要reindex
如果两个 Dataframe
中的分类列名称相同,则通过所有列的并集:
print (df1)
df1
1 a
2 b
3 c
print (df2)
df1
1 b
2 c
3 d
df1 = pd.get_dummies(df1)
df2 = pd.get_dummies(df2)
union = df1.columns | df2.columns
df1 = df1.reindex(columns=union, fill_value=0)
df2 = df2.reindex(columns=union, fill_value=0)
print (df1)
df1_a df1_b df1_c df1_d
1 1 0 0 0
2 0 1 0 0
3 0 0 1 0
print (df2)
df1_a df1_b df1_c df1_d
1 0 1 0 0
2 0 0 1 0
3 0 0 0 1
关于python - 当并非所有类别都存在于多个特征和数据集中时的虚拟变量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49219465/