书接上文,进行ont-hot编码之后出现了新问题:有些特征值的取值太多导致ont-hot编码后特征矩阵维度太大无法计算:
然后看了看,有个字符型的特征值居然有四千多个取值:
我用了个比较简单的解决办法:直接删掉这些要编码的特征值取的数量比较少的那些数据。我要对三个特征进行one-hot编码,一其中一个为例,先用.loc方法取出要删掉的值:
然后用.drop方法删掉相应的行:
上面这种解法里面调用.drop方法一直报错找不到索引,但是经过我多次检查,依然找不出任何错误,耽误了我很久,如果有朋友知道哪写错了可以发在评论区告诉我一下,报错信息:
后来我找到了一种更巧妙的方法,直接筛选出我要删掉的行然后用id在原来的表里定位,删除目标值所在的行就可以了,多列筛选的代码:
# 同时满足用&连接,或的话用 | 连接
df[df[列名].isin([目标值]) & df[列名].isin([目标值])]
df[df[列名].isin([目标值]) | df[列名].isin([目标值])]
我的代码:
df_bom = df_temp[df_temp['activity'].isin(vocab_activity) | df_temp['up_event'].isin(vocab_event) | df_temp['text_change'].isin(vocab_text_change)]
df_temp = df_temp[~df_temp['id'].isin(df_bom['id'])]
问题解决,只要两行代码,非常巧妙。但是处理完之后我原来的数据直接丢了一大半:
所以也不太行,样本丢的太多了,这种问题还有什么解决的想法可以在评论区交流一下。
上一篇文章:pandas实现one-hot编码
python重命名文件夹下的所有文件(统一转小写):
import os
# 定义函数进行批量重命名
def batch_rename(files_path):
# 遍历目标目录下所有文件
for file_name in os.listdir(files_path):
lowercase_filename = file_name.lower()
# 重命名文件
os.rename(os.path.join(files_path, file_name), os.path.join(files_path, lowercase_filename))
# 调用函数进行批量重命名
batch_rename('rumor_images')