一个简单的问题,实际上,我有一个数据集太大,无法保存在内存中,因此必须加载它,然后依次对其执行机器学习。我的一个特性是分类的,我想把它转换成一个伪变量,但我有两个问题:
1)拼接过程中并非所有类别都存在。因此,我想添加额外的类别,即使它们没有在当前切片中显示
2)柱必须保持与以前相同的顺序
这是问题的一个例子:
In[1]: import pandas as pd
splice1 = pd.Series(list('bdcccb'))
Out[1]: 0 b
1 d
2 c
3 c
4 c
5 b
dtype: object
In[2]: splice2 = pd.Series(list('accd'))
Out[2]: 0 a
1 c
2 c
3 d
dtype: object
In[3]: splice1_dummy = pd.get_dummies(splice1)
Out[3]: b c d
0 1 0 0
1 0 0 1
2 0 1 0
3 0 1 0
4 0 1 0
5 1 0 0
In[4]: splice2_dummy = pd.get_dummies(splice2)
Out[4]: a c d
0 1 0 0
1 0 1 0
2 0 1 0
3 0 0 1
编辑:如何处理N-1规则。必须删除一个伪变量,但要删除哪一个?每一个新的拼接都会包含不同的分类变量
因此,如果你按照你想要的顺序传递类别,那么get\u dummies会保持它。代码显示了它是如何完成的
尽管如此,我仍然没有解决要删除哪个变量的问题
相关问题 更多 >
编程相关推荐