बुनियादी विधि
import numpy as np
import pandas as pd, os
from sklearn.feature_extraction import DictVectorizer
def one_hot_dataframe(data, cols, replace=False):
vec = DictVectorizer()
mkdict = lambda row: dict((col, row[col]) for col in cols)
vecData = pd.DataFrame(vec.fit_transform(data[cols].apply(mkdict, axis=1)).toarray())
vecData.columns = vec.get_feature_names()
vecData.index = data.index
if replace is True:
data = data.drop(cols, axis=1)
data = data.join(vecData)
return (data, vecData, vec)
data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
'year': [2000, 2001, 2002, 2001, 2002],
'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
df = pd.DataFrame(data)
df2, _, _ = one_hot_dataframe(df, ['state'], replace=True)
print df2
है यहाँ विरल प्रारूप
import numpy as np
import pandas as pd, os
import scipy.sparse as sps
import itertools
def one_hot_column(df, cols, vocabs):
mats = []; df2 = df.drop(cols,axis=1)
mats.append(sps.lil_matrix(np.array(df2)))
for i,col in enumerate(cols):
mat = sps.lil_matrix((len(df), len(vocabs[i])))
for j,val in enumerate(np.array(df[col])):
mat[j,vocabs[i][val]] = 1.
mats.append(mat)
res = sps.hstack(mats)
return res
data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
'year': ['2000', '2001', '2002', '2001', '2002'],
'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
df = pd.DataFrame(data)
print df
vocabs = []
vals = ['Ohio','Nevada']
vocabs.append(dict(itertools.izip(vals,range(len(vals)))))
vals = ['2000','2001','2002']
vocabs.append(dict(itertools.izip(vals,range(len(vals)))))
print vocabs
print one_hot_column(df, ['state','year'], vocabs).todense()
क्या कोई विशेष कारण है कि आप के -1 पर विशेषताओं को क्यों पसंद करते हैं? के गुणों के साथ गुणांक की व्याख्या (एक रैखिक मॉडल में कहें) बहुत आसान है और दुर्लभ विशेषताओं को बढ़ावा दे सकती है। –
मैं गुणांक की प्रासंगिकता खोजने की कोशिश कर रहा था और कॉललाइनरिटी समस्याओं में भाग गया http://en.wikipedia.org/wiki/Multicollinearity – tonicebrian
मुझे लगता है कि मैं चीजों के आंकड़ों के पक्ष में पर्याप्त नहीं हूं यह देखने के लिए कि यह समस्या क्यों होगी । मैं किसी अन्य कोडिंग विधि की तुलना में फीचर प्रासंगिकता के संदर्भ में अधिक सार्थक परिणाम देने के लिए के फीचर कोडिंग की कल्पना करूंगा। –