我正在使用 onehot 編碼我的數據幀（訓練和測試）pd.get_dummies()。然而，兩個數據框都相當大，我注意到它輸出不同的列大小。271 vs 290。這是由于某些定性變量在一個數據幀中有值，而在另一個數據幀中沒有值。是否有一個命令可以使用來pd.get_dummies確保當這些變量存在于其他數據幀中時我得到一個帶有 0 的空列？
2 回答
Smart貓小萌
TA貢獻1911條經驗 獲得超7個贊
當您擁有數據框并希望將對象轉換為虛擬變量時，請在使用之前不要將其拆分 get_dummies
df = pd.get_dummies(df)
train = df[cond]
test = df.drop(train.index)
修復您的代碼
df = pd.get_dummies(pd.concat([train , test]))
train = df[df.index.isin(train.index)]
test = df.drop(train.index)
一只名叫tom的貓
TA貢獻1906條經驗 獲得超3個贊
如果可能的話，最安全的選擇是在使用 之前將列轉換為包含所有可能值的分類數據類型get_dummies。如果您的訓練數據經常更改（流式傳輸/經常更新）并且您想要最大的兼容性，這尤其有用：
x_values = ["a", "b", "c", "d", "e"]
x_type = pd.Categorical(values=x_values)
df = pd.DataFrame(dict(x=["a", "b", "c"], y=[1,2,3]))
不知道可能值“d”、“e”的傻瓜：
x_dummies = pd.get_dummies(df.x)
a b c
0 1 0 0
1 0 1 0
2 0 0 1
知道“d”、“e”的虛擬人存在，即使當前數據中沒有表示：
df["x"] = df["x"].astype(x_cat)
x_dummies = pd.get_dummies(df.x)
a b c d e
0 1 0 0 0 0
1 0 1 0 0 0
2 0 0 1 0 0
添加回答
舉報
0/150
提交
取消