Estoy tratando de codificar un marco de datos pero necesito guardar las clases de objetivo para rastrearlas más tarde.
Sin embargo cuando busco para las clases del LabelEncoder
con LabelEncoder.classes_
, me da solamente las clases de la ultima columna.
Por ejemplo con la siguiente dataframe:
>>>import numpy as np
>>>import pandas as pd
>>>length = 10
>>>df_test = pd.DataFrame(np.random.randint(0,length,size=(length, 5)),columns = list('ABCDE'))
>>>df_test['D'] = ['D' + str(randrange(2)) for i in range(0,length)]
>>>df_test['E'] = ['E' + str(randrange(3)) for i in range(0,length)]
>>>df_test
A B C D E
0 5 6 2 D1 E0
1 6 1 5 D0 E1
2 2 4 8 D0 E1
3 2 4 0 D1 E0
4 3 2 2 D1 E1
5 6 1 4 D0 E2
6 2 1 0 D0 E2
7 3 0 9 D1 E2
8 1 7 0 D1 E2
9 2 3 3 D0 E1
Cuando intento encodarla y separar los features del target, la columna D, con la siguiente funcion:
from sklearn.preprocessing import LabelEncoder
from random import randrange
def clean_df(df, target):
''' Clean a dataframe to get a dataframe ready to be sent to a DecisionTreeClassifier
inputs:
df: dataframe to clean
target: column to predict
'''
filtered_cols = [target]
le = LabelEncoder()
# label encoding
df = df.astype(str)
X = df.apply(le.fit_transform)
# split into input (X) and output (y) variables
y = df[target] #target column i.e price range
return X, y, le
Me devuelve las columnas de E
:
array(['E0', 'E1', 'E2'], dtype=object)
Sé, gracias a esta respuesta, que ahora hay probablemente metodos mas recientes como OneHotEncoder, aun no lo he dominado.