Python 使用sklearn DictVectorizer为一周中的几天生成虚拟变量

我正在准备线性回归的定价数据。我的特征只包括一周中的几天。我的目标是价格。我已经列出了我的数据字典，就像从dicts加载特性中的示例一样。因此，数据结构是

[{'day'：'friday'，'price'：59}，{'day'：'saturday'，'price'：65}

等等

我在上面的链接中使用了sklearn的DictVectorizer对一周中的几天进行虚拟编码，并将数据结构转换为列表列表（适用于sklearn LinearRegression）

当我打印vec_fit以查看数据时，我得到以下输出

[[   0.    0.    0. ...,    0.    1.   59.]
 [   0.    0.    0. ...,    0.    0.   92.]
 [   1.    0.    0. ...,    0.    0.   92.]
 ...,
 [   0.    0.    1. ...,    0.    0.  181.]
 [   0.    0.    0. ...,    0.    0.  181.]
 [   0.    1.    0. ...,    0.    0.  181.]]

有人能解释一下（a）

…，

和（b）为什么一周中没有7个虚拟变量吗？在我的例子中，

…，

似乎涵盖了周日和周四

为了检查我的功能（根据sklearn 4.2.1），我使用了

get\u feature\u names

功能

vec.get_feature_names()

[u'day=Friday', u'day=Monday', u'day=Saturday', u'day=Sunday', 
 u'day=Thursday', u'day=Tuesday', u'day=Wednesday', 'price']

---

如输出所示，所有的日期似乎都得到了适当的表示。我仍然对上面的：（a）和（b）感到困惑。仅供参考，当我进行

线性回归时，我只得到6个系数（我预计7个；一周中的每一天一个）谢谢。
它们在那里，只是在打印
vec_-fit
时不显示。这是numpy在打印大型数组时的默认行为。仅显示数据的前3列和后3列以及前3行和后3行

[[   0.    0.    0. ...,    0.    1.   59.]
 [   0.    0.    0. ...,    0.    0.   92.]
 [   1.    0.    0. ...,    0.    0.   92.]
 ..., <=== This is for all intermediate data values present. Just not printed
 [   0.    0.    1. ...,    0.    0.  181.]
 [   0.    0.    0. ...,    0.    0.  181.]
 [   0.    1.    0. ...,    0.    0.  181.]]

它应该是
（n行，8）
。第一个值（
n行
）覆盖所有样本。第二个值（
8
）覆盖7个虚拟变量和1个目标变量

如果要打印完整阵列，请查看以下问题：




它们在那里，只是在打印
vec_fit
时没有显示。这是numpy在打印大型阵列时的默认行为。仅显示数据的前3列和后3列以及前3行和后3行

[[   0.    0.    0. ...,    0.    1.   59.]
 [   0.    0.    0. ...,    0.    0.   92.]
 [   1.    0.    0. ...,    0.    0.   92.]
 ..., <=== This is for all intermediate data values present. Just not printed
 [   0.    0.    1. ...,    0.    0.  181.]
 [   0.    0.    0. ...,    0.    0.  181.]
 [   0.    1.    0. ...,    0.    0.  181.]]

它应该是
（n行，8）
。第一个值（
n行
）覆盖所有样本。第二个值（
8
）覆盖7个虚拟变量和1个目标变量

如果要打印完整阵列，请查看以下问题：




回答得很好Vivek:）谢谢！发帖后，我突然想到了这个想法。但后来我制作了一个包含10个功能的测试文件，当我打印出来时，没有
，所有10个功能都得到了0或1，
@vintagedeek你为testI制作了列表或numpy数组吗？我使用了sklearn 4.2.1中的测量示例。这是一个字典列表，它是每个字典都有一个城市和温度键。我添加了城市，总共有10个城市。然后我使用
DictVectorizer
创建了一个numpy数组。基本上与我对定价数据所做的相同。功能中的
…，
似乎是由数组的总长度决定的。我认为数组的总长度只导致了你在回答中突出显示的
，
。

。回答很好Vivek:）谢谢！发帖后，我突然想到了这个想法。但后来我制作了一个包含10个特性的测试文件，当我打印时，没有

，所有10个都得到了0或1，

@vintagedeek你有没有制作列表或numpy数组的列表对于testI，我使用了sklearn 4.2.1中的测量示例。这是一个字典列表，其中每个字典都有一个城市和温度键。我添加了城市，总共有10个城市。然后我使用了

DictVectorizer

并制作了一个numpy数组。基本上与我对定价数据所做的相同。似乎

…，

的hin正如你所说，这些功能是由数组的总长度产生的。我认为数组的总长度只会导致你在回答中突出显示的

…，

。

print(vec_fit.shape)