Pandas，反向独热编码

Question

我对一个变量进行了一次独热编码，经过一些计算后，我希望能够恢复到原始变量。

我的做法是：

1.筛选独热编码列的名称（它们都以原始变量的名称开头，比如说'mycol'）

filter_col = [col for col in df if col.startswith('mycol')]

那么，我可以通过筛选的变量简单地将列名乘以。

X_test[filter_col]*filter_col

然而，这将导致一个稀疏矩阵。我该如何将其合并成一个单一的变量？求和无法解决问题，因为空格被视为数字。尝试执行以下操作：sum(X_test[filter_col]*filter_col)，结果如下：

TypeError: unsupported operand type(s) for +: 'int' and 'str'

有没有关于如何继续进行的建议？这是否是最佳方法，或者是否有某个函数恰好符合我的需求？

根据请求，这里提供一个示例，取自此处：

df= pd.DataFrame({ 
    'mycol':np.random.choice( ['panda','python','shark'], 10),
    })

df=pd.get_dummies(df)

- CAPSLOCK

---

你需要 (X_test[filter_col]*filter_col).sum() 还是 (X_test[filter_col]*filter_col).sum(axis=1)？ - jezrael

X_test[filter_col].idxmax(1).str.replace('mycol_', '') 是关于编程的内容，无法直接翻译成中文。请提供更多上下文或者更具体的信息，以便进行准确翻译。 - Chris Adams

@jezrael，你的第一条评论就是解决方案：(X_test[filter_col]*filter_col).sum(axis=1)。你能把它发表为答案，这样我就可以接受它了吗？ - CAPSLOCK

@ChrisA 谢谢 Chris =) 你更进一步，还清理了结果。 - CAPSLOCK

好的，所以每行永远只有一个 1，是吗？如果是，那么接受的解决方案可行，否则不行。 - jezrael

Answer 1

如果需要按行求和：

最初的回答：

(X_test[filter_col]*filter_col).sum(axis=1)

如果可能的话，每行仅0或每行多个1的解决方案：

X_test = pd.DataFrame({
         'mycolB':[0,1,1,0],
         'mycolC':[0,0,1,0],
         'mycolD':[1,0,0,0],

})


filter_col = [col for col in X_test if col.startswith('mycol')]
df = X_test[filter_col].dot(pd.Index(filter_col) + ', ' ).str.strip(', ')
print (df)
0            mycolD
1            mycolB
2    mycolB, mycolC
3                  
dtype: object

- jezrael

Answer 2

如果我理解正确，您可以使用DataFrame.idxmax和axis=1。 如果必要，您可以使用str.replace替换虚拟前缀：

X_test[filter_col].idxmax(axis=1).str.replace('mycol_', '')

- Chris Adams