Python Scikit学习分类变量的dictVectorier

我有一个.csv文件，其条目如下所示：

b0002,0，>0.00,3,6.00，>16.00，>21.00，>9.00，>11.00，>20.00，>7.00，>4.00，>9.00，>9.00，>9.00，>13.00，>8.00，>14.00，>3.00，”，>10.00，>9.00，>183.00，1

我想用GaussianNB（）来分类。到目前为止，我设法用另一个带有数字数据的csv来分类，现在我想用这个，但我被卡住了

为分类器转换分类数据的最佳方法是什么

这：

请给出以下错误：

Traceback (most recent call last):
  File "\prova.py", line 23, in <module>
vec.fit_transform(dic)
File "\dict_vectorizer.py", line 142, in fit_transform
return self.transform(X)
File "\\dict_vectorizer.py", line 230, in transform
values.append(dtype(v))
TypeError: float() argument must be a string or a number

回溯（最近一次呼叫最后一次）：
文件“\prova.py”，第23行，在
向量拟合变换（dic）
文件“\dict\u vectorizer.py”，第142行，在fit\u变换中
返回自转换（X）
文件“\\dict\u vectorizer.py”，第230行，在转换中
值。追加（数据类型（v））
TypeError:float（）参数必须是字符串或数字

---

为分类器转换分类数据的最佳方法是什么？

问题在于，当调用

.to_dict（）

时，转置的“dataframe”返回嵌套的

dict

#create a dummy frame
df = pd.DataFrame({'factor':['a','a','a','b','c','c','c'], 'factor1':['d','a','d','b','c','d','c'], 'num':range(1,8)})

#transpose the dataframe and get the inner dict from to_dict()
feats =df.T().to_dict().values()

from sklearn.feature_extraction import DictVectorizer
Dvec = DictVectorizer()
Dvec.fit_transform(feats).toarray()

解决方案是在

dict

上调用

.values（）

，以获取内部

dict

从

Dvec

获取新功能名称：

Dvec.get_feature_names()

---

你能分享一个可复制的输入数据的例子吗？

Dvec.get_feature_names()