相关疑难解决方法(0)

我正在尝试使用python中的pandas从分类变量创建一系列虚拟变量.我遇到过这个get_dummies函数,但每当我尝试调用它时,我都会收到一个名称未定义的错误.

任何想法或其他方式来创建虚拟变量将不胜感激.

编辑:由于其他人似乎正在遇到这个,get_dummies大熊猫的功能现在完全正常.这意味着以下应该有效:

import pandas as pd

dummies = pd.get_dummies(df['Category'])

有关详细信息,请参阅http://blog.yhathq.com/posts/logistic-regression-and-python.html.

左侧 CSV 文件有五列，.application列有几种应用程序类型，以;. 根据app,device和district类型，我想预测target. 但我想首先将文件转换为右侧数据框以应用机器学习。

我怎样才能使用 python 做到这一点？

我正在尝试在 Iris 数据集中的目标列（'Species'）上使用一个热编码器。

但我收到以下错误：

ValueError：预期的二维数组，而是得到一维数组：

使用 array.reshape(-1, 1) 如果您的数据具有单个特征或使用 array.reshape(1, -1) 如果它包含单个样本来重塑您的数据。

Id SepalLengthCm SepalWidthCm PetalLengthCm PetalWidthCm    Species
0   1   5.1 3.5 1.4         0.2     Iris-setosa
1   2   4.9 3.0 1.4         0.2     Iris-setosa
2   3   4.7 3.2 1.3         0.2     Iris-setosa
3   4   4.6 3.1 1.5         0.2     Iris-setosa
4   5   5.0 3.6 1.4         0.2     Iris-setosa

我确实在谷歌上搜索了这个问题，我发现大多数 scikit 学习估计器需要一个二维数组而不是一维数组。

同时，我也发现我们可以尝试通过dataframe及其索引来对单列进行编码，但是没有用

onehotencoder = OneHotEncoder(categorical_features=[df.columns.tolist().index('pattern_id')
X = dataset.iloc[:,1:5].values
y = dataset.iloc[:, 5].values

from sklearn.preprocessing import LabelEncoder, OneHotEncoder

labelencoder= LabelEncoder()
y = labelencoder.fit_transform(y)


onehotencoder = OneHotEncoder(categorical_features=[0]) …