“不公平”的熊猫分类。来自于代码

Question

我必须为分类数据分配标签。让我们考虑一下虹膜的例子：

import pandas as pd
import numpy as np
from sklearn.datasets import load_iris

iris = load_iris()

print "targets: ", np.unique(iris.target)
print "targets: ", iris.target.shape
print "target_names: ", np.unique(iris.target_names)
print "target_names: ", iris.target_names.shape

它将被打印：

目标：[0 1 2]目标：（150L，）target_names：['setosa''versicolor''virginica'] target_names：（3L，）

为了生成所需的标签，我使用pandas.Categorical.from_codes：

print pd.Categorical.from_codes(iris.target, iris.target_names)

[setosa，setosa，setosa，setosa，setosa，...，virginica，virginica，virginica，virginica，virginica]长度：150类别（3，对象）：[setosa，versicolor，virginica]

让我们尝试一个不同的例子：

# I define new targets
target = np.array([123,123,54,123,123,54,2,54,2])
target = np.array([1,1,3,1,1,3,2,3,2])
target_names = np.array(['paglia','gioele','papa'])
#---
print "targets: ", np.unique(target)
print "targets: ", target.shape
print "target_names: ", np.unique(target_names)
print "target_names: ", target_names.shape

如果我再次尝试转换标签中的分类值：

print pd.Categorical.from_codes(target, target_names) 

我收到错误消息：

C：\ Users \ ianni \ Anaconda2 \ lib \ site-packages \ pandas \ core \ categorical.pyc in_codes（cls，codes，categories，ordered）459 460 if len（codes）and（codes.max（）> = len （类别）或codes.min（）< - 1）： - > 461引发ValueError（“代码需要介于-1和”462“len（categories）-1”）463

ValueError：代码需要介于-1和len（类别）-1之间

你知道为什么吗？

Answer 1

你知道为什么吗？

如果您将仔细查看错误回溯：

In [128]: pd.Categorical.from_codes(target, target_names)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-128-c2b4f6ac2369> in <module>()
----> 1 pd.Categorical.from_codes(target, target_names)

~\Anaconda3_5.0\envs\py36\lib\site-packages\pandas\core\categorical.py in from_codes(cls, codes, categories, ordered)
    619
    620         if len(codes) and (codes.max() >= len(categories) or codes.min() < -1):
--> 621             raise ValueError("codes need to be between -1 and "
    622                              "len(categories)-1")
    623

ValueError: codes need to be between -1 and len(categories)-1

你会看到满足以下条件：

codes.max() >= len(categories)

在你的情况下：

In [133]: target.max() >= len(target_names)
Out[133]: True

换句话说，pd.Categorical.from_codes()期望codes作为从0开始到len(categories) - 1的连续数字

解决方法：

In [173]: target
Out[173]: array([123, 123,  54, 123, 123,  54,   2,  54,   2])

帮助者：

In [174]: mapping = dict(zip(np.unique(target), np.arange(len(target_names))))

In [175]: mapping
Out[175]: {2: 0, 54: 1, 123: 2}

In [176]: reverse_mapping = {v:k for k,v in mapping.items()}

In [177]: reverse_mapping
Out[177]: {0: 2, 1: 54, 2: 123}

建筑分类系列：

In [178]: ser = pd.Categorical.from_codes(pd.Series(target).map(mapping), target_names)

In [179]: ser
Out[179]:
[papa, papa, gioele, papa, papa, gioele, paglia, gioele, paglia]
Categories (3, object): [paglia, gioele, papa]

反向映射：

In [180]: pd.Series(ser.codes).map(reverse_mapping)
Out[180]:
0    123
1    123
2     54
3    123
4    123
5     54
6      2
7     54
8      2
dtype: int64