我在 CSV 文件中有一列。列中的每个单元格在列表中都有多个值。例如一个单元格将包含 ['A', 'B', 'C']
和另一个 ['B', 'D']
。我想将 one-hot encoding
应用到此列以转换为二进制值以用于机器学习。
请告诉我该怎么做?
最佳答案
输入是csv文件,所以没有列表只有字符串。所以删除 []
并使用 Series.str.get_dummies
连同删除列名中的尾随 '
:
df = df['col'].str.strip('[]').str.get_dummies(', ')
df.columns = df.columns.str.strip("'")
如果将字符串转换为列表需要一些处理,请使用 MultiLabelBinarizer
为了提高性能:
from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
df = pd.DataFrame(mlb.fit_transform(df['col']),columns=mlb.classes_)
print (df)
关于python - 使用单热编码将列表转换为二进制值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67787431/