在 Python 中使用 factorize() 后如何获取原始值？

Question

我是一个初学者，尝试使用 Python 中的随机森林，使用训练和测试数据集创建预测模型。train["ALLOW/BLOCK"] 可以从 4 个预期值中取 1 个（所有字符串）。test["ALLOW/BLOCK"] 是需要预测的。

y,_ = pd.factorize(train["ALLOW/BLOCK"])

y
Out[293]: array([0, 1, 0, ..., 1, 0, 2], dtype=int64)

我用于predict预测。

clf.predict(test[features])

clf.predict(test[features])[0:10]
Out[294]: array([0, 0, 0, 0, 0, 2, 2, 0, 0, 0], dtype=int64)

如何获得原始值而不是数字值？以下代码实际上是在比较实际值和预测值吗？

z,_= pd.factorize(test["AUDIT/BLOCK"])

z==clf.predict(test[features])
Out[296]: array([ True, False, False, ..., False, False, False], dtype=bool) 

Answer 1

首先，您需要按如下方式保存label返回的pd.factorize内容：

y, label = pd.factorize(train["ALLOW/BLOCK"])

然后在获得数字预测后，您可以通过label[pred]以下方式提取相应的标签：

pred = clf.predict(test[features])
pred_label = label[pred]

pred_label 包含具有原始值的预测。

不，您不应该重新分解测试预测，因为标签很可能会有所不同。考虑以下示例：

pd.factorize(['a', 'b', 'c'])
# (array([0, 1, 2]), array(['a', 'b', 'c'], dtype=object))

pd.factorize(['c', 'a', 'b'])
# (array([0, 1, 2]), array(['c', 'a', 'b'], dtype=object))

所以标签取决于元素的顺序。