在sklearn 0.20.3文档中,https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html初始化具有参数drop,但是当我使用相同的参数时会引发类型错误。
我没有找到任何使用“ drop”关键字的示例,我看到的大多数示例都是使用旧版本的sklearn。在某些情况下,他们使用了ColumnTransfer(即使那是旧版本的OnehotEncoder,因为它会发出未来警告)
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_X = LabelEncoder()
X[:, 0] = labelencoder_X.fit_transform(X[:, 0])
onehotencoder = OneHotEncoder(categories = [0],handle_unknown='ignore',drop=[0])
预期结果:应该能够编译以上代码。
实际结果:TypeError(init()获得了意外的关键字参数“ drop”)
最佳答案
试试这个:
onehotencoder = OneHotEncoder(categories = [0],handle_unknown='ignore',drop[0])
来自文档的可能解释:
无:保留所有功能(默认)。
“第一”:在每个功能中删除第一类。如果仅存在一个类别,则该功能将被完全删除。
array:drop [i]是要素X [:, i]中应删除的类别。
尝试这个:
我有一个可以为您完成工作的功能:
# Own implementation of One Hot Encoding - Data Transformation
def convert_to_binary(df, column_to_convert):
categories = list(df[column_to_convert].drop_duplicates())
for category in categories:
cat_name = str(category).replace(" ", "_").replace("(", "").replace(")", "").replace("/", "_").replace("-", "").lower()
col_name = column_to_convert[:5] + '_' + cat_name[:10]
df[col_name] = 0
df.loc[(df[column_to_convert] == category), col_name] = 1
return df
# One Hot Encoding
print("One Hot Encoding categorical data...")
columns_to_convert = [col1,col2]#Enter your column names here that you want to one hot encode.
for column in df_all.columns: #columns_to_convert
if df_all.column.dtype == 'category':
df_all = convert_to_binary(df=df_all, column_to_convert=column)
df_all.drop(column, axis=1, inplace=True)
print("One Hot Encoding categorical data...completed")
确保在columns_to_convert中输入列列表(如果不希望转换所有类别变量)
关于python - OneHotEncoder,TypeError:__init __()得到了意外的关键字参数'drop',我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/56106217/