Pandas学习一个热编码数据帧还是numpy？

Question

如何将pandas数据帧转换为sklearn一个热编码（dataframe/numpy数组），其中有些列不需要编码？在

mydf = pd.DataFrame({'Target':[0,1,0,0,1, 1,1],
                   'GroupFoo':[1,1,2,2,3,1,2],
                    'GroupBar':[2,1,1,0,3,1,2],
                    'GroupBar2':[2,1,1,0,3,1,2],
                    'SomeOtherShouldBeUnaffected':[2,1,1,0,3,1,2]})
columnsToEncode = ['GroupFoo', 'GroupBar']

是一个已经被标签编码的数据帧，我只想对columnsToEncode标记的列进行编码？在

我的问题是我不确定pd.Dataframe或numpy数组表示是否更好，以及如何将编码部分与另一部分重新合并。在

我目前的尝试：

^{pr2}$

注意：我知道Pandas: Get Dummies/http://pandas.pydata.org/pandas-docs/stable/generated/pandas.get_dummies.html，但这在我要求每次进行这样的编码的训练/测试分割中不起作用。在

Answer 1

这个库提供了几个分类编码器，使sklearn/numpy可以很好地与pandashttps://github.com/wdm0006/categorical_encoding配合使用

但是，它们还不支持“处理未知类别”

现在我要用

myEncoder = OneHotEncoder(sparse=False, handle_unknown='ignore')
myEncoder.fit(df[columnsToEncode])

pd.concat([df.drop(columnsToEncode, 1),
          pd.DataFrame(myEncoder.transform(df[columnsToEncode]))], axis=1).reindex()

因为它支持未知的数据集。现在，我会坚持一半熊猫一半纽比，因为熊猫标签不错。对于数字列。在