Python 如何对每列具有多个值的功能进行编码？需要多指令向量机吗？

我正在对sklearn中的一些功能进行矢量化，我遇到了一个问题。如果您的数据可以被编码到每个项目的一个dict键中，DictVectorizer工作得很好。如果您的项目可以具有同一列的两个或多个值，该怎么办？例如，DictVectorizer可以很好地处理以下项目：

{'a': 'b', 'b': 'c'}

但是像这样，每列有一个以上的值呢

{'a': ['b','c'], 'b': 'd'}

一个热编码的策略仍然适用，您只需要两个a列…a=b和a=c。据我所知，没有这样的矢量器存在！在这种情况下，我们该怎么办？我需要创建自己的多目录向量器吗

---

在发布之前，我在一篇文章中写到了这一点。

DictVectorizer无法处理每个键的多个值，因此我将此功能添加到它中。如果接受拉动，这将是sklearn的一部分。如果没有，我将在MultiDictVectorizer中为DictVectorizer子类，并为这个类发布一个包

---

对于这种情况，至少有两种快速可行的解决方案：

创建一个新值，该值表示有两个聚合值的可能性

{'a'：'bc'，'b'：'d'}

或给它另一个名字，即

'bc'-->'e'

每次取一个值复制样本

{'a'：'b'，'b'：'d'}

和

{'a'：'c'，'b'：'d'}

当然，这在很大程度上取决于问题的背景（案例2：用不同的表现形式“复制”样本是否正确？案例1：概念上是否可以接受该特性的另一个新值？）。例如，我甚至不知道多值特征是否对应于

N/a

情况

我看过你的github提案，所以我知道这并不是你想要的，但以防万一，它可以帮你省力