（Python）使用sklearn类中带字符串的DictVectorier

为我期望的简单问题/答案提前道歉。python和SKL新手，请在此学习。我有一个变量（熊猫数据框列），它是一个unicode字符串列表。我想使用sklearn中的

DictVectorizer

类将其解压到一个热编码矩阵中，其中每列都是一个可能的字符串值，矩阵中的每个值都是一个二进制值，指示该值是否存在于该列表中

DictVectorizer

文档中的示例如下：

#来自sklearn.feature_提取导入DictVectorizer的文档示例
v=矢量化器（稀疏=假）
D=[{'foo'：1，'bar'：2}，{'foo'：3，'baz'：1}]
X=v.fit_变换（D）
X

这将返回承诺的矢量化数组，但在我的例子中，我想向它传递一个unicode字符串列表，例如：

#我的案子
D=[[u“foo”，u“bar”]，[u“foo”]]
X=v.fit_变换（D）

这里我得到一个错误

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-48-6a41384fcd8f> in <module>()
      1 # my case
      2 D = [[u"foo", u"bar"], [u"foo"]]
----> 3 X = v.fit_transform(D)

/opt/conda/lib/python2.7/site-packages/sklearn/feature_extraction/dict_vectorizer.pyc in fit_transform(self, X, y)
    224             Feature vectors; always 2-d.
    225         """
--> 226         return self._transform(X, fitting=True)
    227 
    228     def inverse_transform(self, X, dict_type=dict):

/opt/conda/lib/python2.7/site-packages/sklearn/feature_extraction/dict_vectorizer.pyc in _transform(self, X, fitting)
    160         # same time
    161         for x in X:
--> 162             for f, v in six.iteritems(x):
    163                 if isinstance(v, six.string_types):
    164                     f = "%s%s%s" % (f, self.separator, v)

/opt/conda/lib/python2.7/site-packages/sklearn/externals/six.pyc in iteritems(d, **kw)
    437 def iteritems(d, **kw):
    438     """Return an iterator over the (key, value) pairs of a dictionary."""
--> 439     return iter(getattr(d, _iteritems)(**kw))
    440 
    441 def iterlists(d, **kw):

AttributeError: 'list' object has no attribute 'iteritems'

---------------------------------------------------------------------------
AttributeError回溯（最近一次呼叫上次）
在（）
我的案子
2D=[[u“foo”，u“bar”]，[u“foo”]]
---->3 X=v.fit_变换（D）
/opt/conda/lib/python2.7/site-packages/sklearn/feature_extraction/dict_vectorizer.pyc in fit_transform（self，X，y）
224个特征向量；总是二维的。
225         """
-->226返回自。_变换（X，拟合=真）
227
228 def逆变换（self，X，dict_type=dict）：
/opt/conda/lib/python2.7/site-packages/sklearn/feature_extraction/dict_vectorizer.pyc in_transform（self，X，fitting）
160#同时
161对于x中的x：
-->f为162，v为六。iteritems（x）：
163如果存在（v，六个字符串类型）：
164 f=“%s%s%s”%（f，self.separator，v）
/iteritems中的opt/conda/lib/python2.7/site-packages/sklearn/externals/six.pyc（d，**千瓦）
437 def iteritems（d，**kw）：
438“返回字典（键、值）对的迭代器。”“”
-->439返回iter（getattr（d，_iteritems）（**kw））
440
441 def iterlists（d，**kw）：
AttributeError:“list”对象没有属性“iteritems”

@EdChum的回答帮助我解决了这个问题。我认为下面的内容可能会解决这个问题

from collections import Counter
D = [[u"foo", u"bar"], [u"foo"]]
q = dict(Counter(x for xs in D for x in set(xs)))
X = v.fit_transform(q)

---

我正在将类型更改为

fit_transform

所期望的类型。即

字典

。我知道它很晚了，但由于此线程在“DictVectorizer fit_transform”上以高优先级打开“搜索结果，我想它可能会帮助一些人。如果可能，请评论它是否解决了问题。

如评论和@Muthu的回答中所述，

dictvectorier

的输入格式为dict

from collections import Counter
D = [[u"foo", u"bar"], [u"foo"]]
q = dict(Counter(x for xs in D for x in set(xs)))
X = v.fit_transform(q)

如果元素计数使用

计数器

或者如果需要将其作为一个热编码，请在

lambda

函数中使用

set

import pandas as pd
from collections import Counter
from sklearn.feature_extraction import DictVectorizer

D = [[u"foo", u"bar"], [u"foo"]]
df = pd.DataFrame({'my_col': D})

x = df['my_col'].apply(lambda x: dict(Counter(x)))
DictVectorizer(sparse=False).fit_transform(x)

#array([[1., 1.],
#       [0., 1.]])

---

错误很明显，您试图在列表列表上使用dict向量器，因此需要转换类型谢谢@EdChum您是否介意帮助我进一步了解如何转换类型？文档说明您需要传递dict，其中键是字符串，值是索引位置，假设您可以传递一系列字符串，但不清楚数据的真正形式