Python 在sklearn管道中转换文本数据

给定一个文本数据数组

X = np.array(['cat', 'dog', 'cow', 'cat', 'cow', 'dog'])

我想使用sklearn管道来生成如下输出

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

我最初的尝试

pipe = Pipeline([
    ('encoder', LabelEncoder()),
    ('hot', OneHotEncoder(sparse=False))])
print(pipe.fit_transform(X))

引发

TypeError:fit_transform（）正好接受2个参数（给定3个）

，根据。我尝试在LabelEncoder上编辑签名，以便

SaneLabelEncoder（）.fit_transform（X）

给出

[0 2 1 0 1 2]

，但是

pipe = Pipeline([
    ('encoder', SaneLabelEncoder()),
    ('hot', OneHotEncoder(sparse=False))])
print(pipe.fit_transform(X))

---

给出

[[1.1.1.1.1.1.]

。关于获得所需输出的任何建议？

使用

LabelBinarizer

：

import numpy as np                                  
from sklearn import preprocessing                                                                                                                            
X = np.array(['cat', 'dog', 'cow', 'cat', 'cow', 'dog'])                                                                                                                      
binar = preprocessing.LabelBinarizer()                                                                                                                                        
X_bin = binar.fit_transform(X)                                                                                                                                                
print X_bin 

输出为：

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

---

使用

LabelBinarizer

：

import numpy as np                                  
from sklearn import preprocessing                                                                                                                            
X = np.array(['cat', 'dog', 'cow', 'cat', 'cow', 'dog'])                                                                                                                      
binar = preprocessing.LabelBinarizer()                                                                                                                                        
X_bin = binar.fit_transform(X)                                                                                                                                                
print X_bin 

输出为：

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

熊猫有一种方法：

pd.get_dummies(X)

将生成数据帧：

   cat  cow  dog
0    1    0    0
1    0    0    1
2    0    1    0
3    1    0    0
4    0    1    0
5    0    0    1

或者，如果必须具有整数数组：

pd.get_dummies(X).values.astype(int)

将产生：

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

熊猫有一种方法：

pd.get_dummies(X)

将生成数据帧：

   cat  cow  dog
0    1    0    0
1    0    0    1
2    0    1    0
3    1    0    0
4    0    1    0
5    0    0    1

或者，如果必须具有整数数组：

pd.get_dummies(X).values.astype(int)

将产生：

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

这太完美了--您可以补充一点，它作为一个步骤在管道中工作。具体地说，如果

pipe=Pipeline（（'encoder'，LabelBinarizer（），]）

，那么

print（pipe.fit\u transform（X））

可以按照您的描述工作。这很完美——您可以添加它在管道中工作，作为一个单独的步骤。具体来说，如果

pipe=Pipeline（（'encoder'，LabelBinarizer（），]）

，则

print（pipe.fit\u transform（X））

的工作原理与您描述的相同。