Scikit learn sklearn：从多项选择特征创建稀疏特征向量

我有如下数据：

20003.0, 20003.1, 20004.0, 20004.1, 34
1, 2, 3, 4, 5

其中以*结尾的列是多选项，它们采用的值是分类的

理想情况下，我将能够将

[{'20003'：['1'，'2'，'20004'：['3'，'4']，'34'：5}]

传递给

DictVectorizer

，但这还不受支持

---

如何加载此数据以创建稀疏特征向量？

如果可以对相同列组的值进行汇总：

In [63]: df
Out[63]:
   20003.0  20003.1  20004.0  20004.1  34
0        1        2        3        4   5

In [64]: d = df.groupby(df.columns.str.split('.').str[0], axis=1).sum().to_dict('r')

In [65]: d
Out[65]: [{'20003': 3, '20004': 7, '34': 5}]

In [66]: from sklearn.feature_extraction import DictVectorizer

In [67]: v = DictVectorizer()

In [68]: X = v.fit_transform(d)

In [69]: X.toarray()
Out[69]: array([[ 3.,  7.,  5.]])

In [70]: v.inverse_transform(X)
Out[70]: [{'20003': 3.0, '20004': 7.0, '34': 5.0}]

说明：

In [71]: df.groupby(df.columns.str.split('.').str[0], axis=1).sum()
Out[71]:
   20003  20004  34
0      3      7   5

In [72]: df.groupby(df.columns.str.split('.').str[0], axis=1).sum().to_dict('r')
Out[72]: [{'20003': 3, '20004': 7, '34': 5}]

---

你的数据是什么？它是文本、数据框、数组还是其他？它是从CSV读取的数据框。您能将类似列中的值相加吗？例如：

[{'20003'：3，'20004'：7，'34'：5}]

-这可以很容易地传递给dictvectorier。不幸的是，我无法对这些值求和。可能不清楚的是，它们是绝对的。