主页 / coding / 问题 / 79020155
Accepted
Simon
Asked: 2024-09-25 03:51:17 +0800 CST

如何将 LabelEncoder 应用于 Polars DataFrame 列？

  • 772

我正在尝试使用 scikit-learnLabelEncoder和 Polars DataFrame 来编码分类列。我正在使用以下代码。

import polars as pl

from sklearn.preprocessing import LabelEncoder

df = pl.DataFrame({
    "Color" : ["red","white","blue"]
})

enc = LabelEncoder()

但是，会出现错误。

ValueError: y should be a 1d array, got an array of shape () instead.

接下来，我尝试将该列转换为 NumPy。

df.with_columns(
    enc.fit_transform(pl.col("Color").to_numpy()) 
)

现在，出现了一个不同的错误。

AttributeError: 'Expr' object has no attribute 'to_numpy'

注意。我发现.cast(pl.Categorical).to_physical()可以使用来获得所需的结果。不过，我更喜欢transform()在我的测试数据集上使用类似的东西。

df.with_columns(
    pl.col("Color").cast(pl.Categorical).to_physical().alias("Color_encoded")
)
scikit-learn

1 个回答

  1. Best Answer

    对于这种对外部 API 的调用，可以使用采用整个值序列（例如enc.fit_transform） 。pl.Expr.map_batches

    df.with_columns(
    pl.col("Color").map_batches(enc.fit_transform)
)

    shape: (3, 1)
┌───────┐
│ Color │
│ ---   │
│ i64   │
╞═══════╡
│ 1     │
│ 2     │
│ 0     │
└───────┘

    注意。enc.set_output("polars")如果（如本答案中所述）可用于，那就太好了LabelEncoder。但是，这尚未实现。

    您已经分享了一种使用 polars 的原生表达式 API 对列进行标签编码的方法。更简洁的方法可以依赖于密集排名，如下所示。

    df.with_columns(
    pl.col("Color").rank("dense") - 1
)

    减法仅用于获得最低标签为 0 的输出。

    • 2

相关问题