sklearn.preprocessing.OneHotEncoder及其阅读方式

Question

我已经在所有的预处理数据管道中使用了一段时间的热编码。

但是，现在我遇到了一个问题，因为我正在尝试使用运行模型的烧瓶服务器来自动处理新数据。

我想要做的是搜索新数据中的特定日期、区域和类型，并在其上运行.predict。

当我搜索特定的数据点后，问题就出现了，我必须将列从对象更改为一个热编码的列。

我的问题是，我如何知道哪一列是某一特性中哪个类别的？因为经过一次热编码后，我有大约240列。

Answer 1

IIUC，使用get_feature_names_out()

import pandas as pd
from sklearn.preprocessing import OneHotEncoder

df = pd.DataFrame({'A': [0, 1, 2], 'B': [3, 1, 0],
                   'C': [0, 2, 2], 'D': [0, 1, 1]})

ohe = OneHotEncoder()
data = ohe.fit_transform(df)
df1 = pd.DataFrame(data.toarray(), columns=ohe.get_feature_names_out(), dtype=int)

输出：

>>> df
   A  B  C  D
0  0  3  0  0
1  1  1  2  1
2  2  0  2  1


>>> df1
   A_0  A_1  A_2  B_0  B_1  B_3  C_0  C_2  D_0  D_1
0    1    0    0    0    0    1    1    0    1    0
1    0    1    0    0    1    0    0    1    0    1
2    0    0    1    1    0    0    0    1    0    1

>>> pd.Series(ohe.get_feature_names_out()).str.rsplit('_', 1).str[0]
0    A
1    A
2    A
3    B
4    B
5    B
6    C
7    C
8    D
9    D
dtype: object