Python 在scikit dict矢量器中按特征名称提取特征

我有一个字典列表，我使用

scikit-learn

from sklearn.feature_extraction import DictVectorizer
vec = DictVectorizer()
dictvector = D = [{'foo': 'city1', 'bar': 2, 'label':'c1'}, {'foo': 'city2', 'baz': 1, 'label':'c2'}]
dictVector = vec.fit_transform(dictList)

现在，我想从每一行提取特征“label”的所有元组的值，然后从向量中删除它们。这将有助于将向量用作

scikit

中决策树分类器的输入，并将相应的标签用作分类器的基本真理

---

但当我尝试将功能名称作为字典键调用时。我被要求只使用整数而不是字符串。如何解决这个问题？

带有

DictVectorizer

的功能被映射到数组，数组将该功能表示为

NxM

数字矩阵（字典丢失）。但是，类

DictVectorizer

在内部保留映射函数，您可以使用

.inverse\u transform

恢复它。根据以下文件：

因此，对于属于

x

的单个实例

x\u i

（行），可以恢复映射为：

>>> v.inverse_transform(X[i][None, :])

最后一位

[None，：]

转换

1xM

行向量中的

M

长度行

X[i]

。并非完全需要，但scikits learn会发出警告。以下方面也应起作用：

>>> v.inverse_transform(X[i])

---

现在，回答这个问题，要从数据中删除给定的功能，

X

，

DictVectorizer

还存储与

feature\u names\u

中每个功能对应的名称

>>> v.feature_names_
['bar', 'baz', 'foo']

因此，您可以执行以下操作：

>>> column = v.feature_names_.index('foo') # Column mapping index of key 'foo'
>>> values = X[:, column] # get values
>>> X[:, column] = 0 # remove them from X

---

最后，使用DictVectorizer（sparse=True）将答案扩展到稀疏矩阵，其中

X

现在是一个NxM稀疏矩阵，而不是numpy数组。上述解决方案只需稍加修改即可工作（注意值提取中的

.todense（）

）：

---

将上述代码中的

'foo'

替换为

'label'

，使其为您工作。

DictVectorizer

具有方法

获取功能名称（）

，该方法可能比直接访问

功能名称

属性更安全。

>>> column = v.feature_names_.index('foo') # Column mapping index of key 'foo'
>>> values = X[:, column] # get values
>>> X[:, column] = 0 # remove them from X

>>> column = v.feature_names_.index('foo')
>>> values = X[:, column].todense() # get values
>>> X[:, column] = 0 # remove them from X