关于python:在Pandas中加入一个数据集和OneHotEncoder的结果

Join one dataset and the result of OneHotEncoder in Pandas

让我们从这个例子中考虑房价的数据集。

我将整个数据集存储在housing变量中:

1
housing.shape

(20640, 10)

我也做过一维的OneHotEncoder编码并得到housing_cat_1hot,所以

1
housing_cat_1hot.toarray().shape

(20640, 5)

我的目标是加入两个变量并将所有内容存储在一个数据集中。

我已经尝试了Join with index教程,但问题是第二个矩阵没有任何索引。
如何在housinghousing_cat_1hot之间进行连接?

1
2
3
>>> left=housing
>>> right=housing_cat_1hot.toarray()
>>> result = left.join(right)

Traceback (most recent call last): File"", line 1, in

result = left.join(right) File"/usr/local/Cellar/python3/3.6.3/Frameworks/Python.framework/Versions/3.6/lib/python3.6/pandas/core/frame.py",
line 5293, in join
rsuffix=rsuffix, sort=sort) File"/usr/local/Cellar/python3/3.6.3/Frameworks/Python.framework/Versions/3.6/lib/python3.6/pandas/core/frame.py",
line 5323, in _join_compat
can_concat = all(df.index.is_unique for df in frames) File"/usr/local/Cellar/python3/3.6.3/Frameworks/Python.framework/Versions/3.6/lib/python3.6/pandas/core/frame.py",
line 5323, in
can_concat = all(df.index.is_unique for df in frames) AttributeError: 'numpy.ndarray' object has no attribute 'index'


如果你想加入两个数组(假设housing_cat_1hot和housing都是数组),你可以使用

1
housing = np.hstack((housing, housing_cat_1hot))

虽然OneHotEncode变量的最佳方法是在数组中选择该变量并进行编码。 它为您节省了以后加入两者的麻烦

假设您希望在数组中编码的变量的索引是1,

1
2
3
4
5
6
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
le = LabelEncoder()  
X[:, 1] = le.fit_transform(X[:, 1])

onehotencoder = OneHotEncoder(categorical_features = [1])
X = onehotencoder.fit_transform(X).toarray()

那么,取决于你如何创建一个热矢量。
但如果它的排序方式与原始DataFrame相同,并且本身就是DataFrame,则可以在加入之前添加相同的索引:

1
housing_cat_1hot.index = range(len(housing_cat_1hot))

如果它不是DataFrame,请将其转换为一个。
这很简单,只要两个对象的排序方式相同即可

编辑:如果它不是DataFrame,那么:
housing_cat_1hot = pd.DataFrame(housing_cat_1hot)

已经为您创建了合适的索引


感谢@ Elez-Shenhar回答我得到以下工作代码:

1
2
3
4
OneHot=housing_cat_1hot.toarray()
OneHot= pd.DataFrame(OneHot)
result = housing.join(OneHot)
result.shape

(20640, 15)