Примените одну горячую кодировку к фрейму данных в python

Question

Я работаю над набором данных, в котором у меня есть различные строковые столбцы с разными значениями, и я хочу применить one hot encoding.

Вот пример набора данных:

v_4        v5             s_5     vt_5     ex_5          pfv           pfv_cat
0-50      StoreSale     Clothes   8-Apr   above 100   FatimaStore       Shoes
0-50      StoreSale     Clothes   8-Apr   0-50        DiscountWorld     Clothes
51-100    CleanShop     Clothes   4-Dec   51-100      BetterUncle       Shoes

Итакздесь мне нужно применить горячее кодирование к pvf_cat, как будто у меня есть множество других столбцов, для которых я создал список этих столбцов как str_cols и вот как я применяю one-hot-encoding:

for col in str_cols:
    data = df[str(col)]
    values = list(data)
    # print(values)
    # integer encode
    label_encoder = LabelEncoder()
    integer_encoded = label_encoder.fit_transform(values)
    print(integer_encoded)
    # one hot encode
    encoded = to_categorical(integer_encoded)
    print(encoded)
    # invert encoding
    inverted = argmax(encoded[0])
    print(inverted)
    onehot_encoder = OneHotEncoder(sparse=False)
    integer_encoded = integer_encoded.reshape(len(integer_encoded), 1)
    onehot_encoded = onehot_encoder.fit_transform(integer_encoded)

Но это не влияет на набор данных, когда я печатаю df.head(), он все тот же, что здесь не так?

Answer 1

Использование pd.get_dummies() намного проще, чем писать собственный код для этого, и, вероятно, также быстрее.

df = pd.get_dummies(df, columns=['pfv_cat'])

      v_4         v5      s_5   vt_5       ex_5            pfv  pfv_cat_Clothes pfv_cat_Shoes
0    0-50  StoreSale  Clothes  8-apr  above 100    FatimaStore                0             1
1    0-50  StoreSale  Clothes  8-apr       0-50  DiscountWorld                1             0
2  51-100  CleanShop  Clothes  4-dec     51-100    BetterUncle                0             1

В списке после аргумента columns= вы можете указать, какие столбцы вы хотите OneHotEncoded. Так что в вашем случае это, вероятно, будет df = pd.get_dummies(df, columns=str_cols).