4

我能够复制Github 存储库中给出的示例。但是，当我对自己的数据进行尝试时，我得到了 ValueError。

下面是一个虚拟数据，它给出了与我的真实数据相同的错误。

import pandas as pd
import numpy as np
from sklearn_pandas import DataFrameMapper
from sklearn.preprocessing import LabelEncoder, StandardScaler, MinMaxScaler

data = pd.DataFrame({'pet':['cat', 'dog', 'dog', 'fish', 'cat', 'dog','cat','fish'], 'children': [4., 6, 3, 3, 2, 3, 5, 4], 'salary':   [90, 24, 44, 27, 32, 59, 36, 27], 'feat4': ['linear', 'circle', 'linear', 'linear', 'linear', 'circle', 'circle', 'linear']})

mapper = DataFrameMapper([
    (['pet', 'feat4'], LabelEncoder()),
    (['children', 'salary'], [StandardScaler(),
                              MinMaxScaler()])
]) 

np.round(mapper.fit_transform(data.copy()),2)

下面是错误

() 中的 ValueError Traceback (最近一次调用最后一次) ----> 1 np.round(mapper.fit_transform(data.copy()),2)

C:\Users\E245713\AppData\Local\Continuum\Anaconda3\lib\site-packages\sklearn\base.py in fit_transform(self, X, y, **fit_params) 453 if y is None: 454 # fit method of arity 1 (无监督变换) --> 455 return self.fit(X, **fit_params).transform(X) 456 else: 457 # arity 2 的拟合方法（监督变换）

C:\Users\E245713\AppData\Local\Continuum\Anaconda3\lib\site-packages\sklearn_pandas\dataframe_mapper.py in fit(self, X, y) 95 列，self.features 中的转换器：96 如果转换器不是无：---> 97 transformers.fit(self._get_col_subset(X, columns)) 98 return self 99

C:\Users\E245713\AppData\Local\Continuum\Anaconda3\lib\site-packages\sklearn\preprocessing\label.py in fit(self, y) 106 self : 返回一个 self 的实例。107 """ --> 108 y = column_or_1d(y, warn=True) 109 _check_numpy_unicode_bug(y) 110 self.classes_ = np.unique(y)

C:\Users\E245713\AppData\Local\Continuum\Anaconda3\lib\site-packages\sklearn\utils\validation.py in column_or_1d(y, warn) 549 return np.ravel(y) 550 --> 551 raise ValueError (“错误的输入形状 {0}”.format(shape)) 552 553

ValueError: 错误的输入形状 (8, 2)

任何人都可以帮忙吗？

谢谢

4

1 回答 1

5

如果它确实需要多个输入（例如文档中的 sklearn.decomposition.PCA(1)），您应该只将多个数组提交给转换。在您的情况下，错误最终来自这一行：

(['pet', 'feat4'], LabelEncoder()),

即使这样也行不通：

(['pet', 'feat4'], [LabelEncoder(), LabelEncoder()]),

相反，您必须执行以下操作：

mapper_good = DataFrameMapper([
(['pet'], LabelEncoder()),
(['feat4'], LabelEncoder()),
(['children'],  StandardScaler()),
(['salary'],    MinMaxScaler())
])

np.round(mapper_good.fit_transform(data.copy()),2)
于 2016-07-27T21:08:48.963 回答