关于 OneHotEncoding 的问题 - Python

Question

我正在开展一个项目，将 One Hot Encoding 技术应用于 .binetflow 文件的分类列。

代码：

import pandas as pd
from sklearn.preprocessing import LabelEncoder,OneHotEncoder

mydataset = pd.read_csv('originalfiletest.binetflow')

le = LabelEncoder()
dfle = mydataset
dfle.State = le.fit_transform(dfle.State)
X = dfle[['State']].values
ohe = OneHotEncoder()
Onehot = ohe.fit_transform(X).toarray()

dfle['State'] = Onehot

mydataset.to_csv('newfiletest.binetflow', columns=['Dur','State','TotBytes','average_packet_size','average_bits_psecond'], index=False)

Original binetflow file

目前，我正在使用 Pandas 并且我能够应用该技术。问题是我需要写入第二个文件。

当我尝试写入时，我期望的输出是，例如：变量 Onehot 中的 0001 或 0.0.0.1，但是当我尝试将其传递给列 dfle 时，我得到的是 0.0 或 1.0 ['State']。图片可以在下面找到。

variable Onehot

column dfle['State']

此外，应该写的列，当我在编译器上写打印时它显示正确但是当它写入文件时它添加了几个小数位。

Original and new binetflow file

Answer 1

Onehot 是 numpy 数组，问题出在您将数组分配给数据框列

import pandas as pd
from sklearn.preprocessing import LabelEncoder, OneHotEncoder

mydataset = pd.DataFrame(data={'State': ['a', 'a', 'b', 'c', 'a', 'd']})

le = LabelEncoder()

mydataset.State = le.fit_transform(mydataset.State)
X = mydataset[['State']].values
ohe = OneHotEncoder()
Onehot = ohe.fit_transform(X).toarray()

dx = pd.DataFrame(data=Onehot)

mydataset['State'] = (dx[dx.columns[0:]].apply(lambda x: ','.join(x.dropna().astype(int).astype(str)), axis=1))

mydataset.to_csv('newfiletest.binetflow',
                 columns=['Dur', 'State', 'TotBytes', 'average_packet_size', 'average_bits_psecond'], index=False)

关于 OneHotEncoding 的问题 - Python

Question regarding OneHotEncoding - Python

python

scikit-learn

one-hot-encoding