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

Como aplicar o LabelEncoder a uma coluna Polars DataFrame?

  • 772

Estou tentando usar o scikit-learn LabelEncodercom um Polars DataFrame para codificar uma coluna categórica. Estou usando o seguinte código.

import polars as pl

from sklearn.preprocessing import LabelEncoder

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

enc = LabelEncoder()

Entretanto, um erro é gerado.

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

Em seguida, tentei converter a coluna em um NumPy.

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

Agora, um erro diferente é gerado.

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

Nota. Descobri que isso .cast(pl.Categorical).to_physical()poderia ser usado para obter o resultado desejado. Ainda assim, eu preferiria usar algo como transform()no meu conjunto de dados de teste.

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

1 respostas

  1. Best Answer

    Para tal chamada a uma API externa, seria possível usar uma sequência inteira de valores enc.fit_transform, como .pl.Expr.map_batches

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

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

    Nota. Seria bom se enc.set_output("polars")(conforme descrito nesta resposta ) estivesse disponível para o LabelEncoder. No entanto, isso não está implementado.

    Você já compartilhou uma abordagem para codificação de rótulos de uma coluna usando a API de expressão nativa do polars. Uma maneira mais limpa poderia depender de uma classificação densa, como segue.

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

    A subtração é usada somente para obter uma saída cujo rótulo mais baixo é 0.

    • 2

relate perguntas