如何对中文部分进行独热处理(one-hot)

  统计/机器学习 自然语言处理 数据预处理 Python    浏览次数:295        分享
0


import pandas as pd 
import numpy as np 

a = [['苹果', 10, 4.2], ['龙眼', '6.2,6.8', 0.03], ['荔枝', np.nan, np.nan]]
df = pd.DataFrame(a)
df.columns=['a','b','c']
print(df)

from sklearn import preprocessing  
enc = preprocessing.OneHotEncoder()  
# df['a'].encode('Unicode')
enc.fit(df['a'])  
df['a'] = enc.transform([df['a']])
print('df[a]\n',df['a'])

输出结果:

    a        b     c
0  苹果       10  4.20
1  龙眼  6.2,6.8  0.03
2  荔枝      NaN   NaN

报错:

ValueError: could not convert string to float: '荔枝'
 

rosefun   2018-06-03 23:10



    还没有回答。我来答!  


  相关主题

求python里得到n-grams的包?   2回答

自定义CountVectorizera中默认的英语stop_words   1回答

python去掉中文文本中所有的标点符号   3回答

请问NLP中这种编码方式有没有什么术语?   1回答

如果不去除stop words,word2vec的结果会受到影响吗?   0回答

数据批量分析提取,求指点迷津   4回答

用python统计字符串中空格的个数   3回答

python里实现词云的package   3回答

怎么把英文字符串转为小写(python)?   2回答

如何用python统计一个txt文本的行数   3回答

wordcloud安装报错error: Microsoft Visual C++ 14.0 is required   1回答

自然语言处理中的Tf-idf是什么意思   2回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!