Python 如何矢量化分类数据

我想对一些分类数据进行矢量化，以构建训练和测试矩阵

我有85个城市，我想得到一个282520行的矩阵，每一行都是向量

[1 0 0 ..., 0 0 0]

我希望每行有一个向量，根据城市的不同，向量为1或0，因此每个城市都应该是一列：

print(df['city'])

0圣地亚哥大都市酒店
圣地亚哥大都会1号
圣地亚哥大都市2号
圣地亚哥大都会3号酒店
4柯昆博
5圣地亚哥
6圣地亚哥
7圣地亚哥大都会酒店
圣地亚哥大都市8号
9圣地亚哥大都会酒店
10生物生物
11柯昆博
...                             ...
圣地亚哥大都会282520
名称：城市，数据类型：对象

这就是我所尝试的：

from sklearn import preprocessing

list_city = getList(df,'city')
le = preprocessing.LabelEncoder()
le.fit(list_city)

print(le.transform(['AISEN'])) 
print(le.transform(['TARAPACA']))
print(le.transform(['AISEN DEL GENERAL CARLOS IBANEZ DEL CAMP']))

我得到以下输出：

[0]
[63]
[1]

---

问题是，我只是在获取城市指数，我在寻找如何将数据矢量化的建议。

一个选项是

pd.get_dummies

（这完全不属于

sklearn

生态系统）

city\u COQUIMBO city\u METROPOLITANA DE SANTIAGO city\u SANTIAGO
0              0                               1              0
1              1                               0              0
2              0                               0              1
3              0                               0              1

如果需要NumPy数组，只需获取

值即可

pd.get_dummies(df).values

[[0 1 0]
[1 0 0]
[0 0 1]
[0 0 1]]


另一种方法是结合使用
LabelEncoder
和
onehotcoder
。正如您所注意到的，
LabelEncoder
将返回任意标签数组的分类索引
OneHotEncoder
将这些索引转换为一对一的编码方案

le = LabelEncoder()
enc = OneHotEncoder(sparse=False)
enc.fit_transform(le.fit_transform(df.city.values).reshape(-1, 1))

[[0.1.0]
[ 1.  0.  0.]
[ 0.  0.  1.]
[ 0.  0.  1.]]


另一个选项是
dictvectorier

dv = DictVectorizer(sparse=False)
dv.fit_transform(df.apply(dict, 1))

[[0.1.0]
[ 1.  0.  0.]
[ 0.  0.  1.]
[ 0.  0.  1.]]
你确定你不是在找那个人吗？对我来说，这听起来更像是你在寻找的。谢谢你的支持。这非常有帮助。不过，这将给我提供85个专栏，然后，我需要找到一种方法，将numpy数组中的85列转换为matrix@neo我编辑了我的答案，以展示如何从
pd.get_dummies
的结果中提取
ndarray
，以及另外两种方法。@感谢您的帮助，我非常感谢您的支持，非常感谢
dv = DictVectorizer(sparse=False)
dv.fit_transform(df.apply(dict, 1))