scikit-learnのパスを変換する方法

Question

私は、scikitをトレーニングするためのLinuxパス/ディレクトリを準備する方法について助けが必要です。現時点で これは私がSQLクエリを変更し、結果へのパスを追加したい、これまで

今

db = get_db() 
df = pd.read_sql_query(
    'SELECT Request,Used,Count FROM history where User = "john"', db) 
print(df.head) 
X = df[['Request','Count']] 
y = df['Used'] 
X_train, X_test, y_train, y_test = train_test_split(X, y) 
model = LinearRegression().fit(X_train, y_train) 
print("LinearRegression Training set score: {:.2f}".format(model.score(X_train, y_train))) 
print("LinearRegression Test set score: {:.2f}".format(model.score(X_test, y_test))) 

#Output of print(df.head) 
      Request  Used   Count 
0   5400   3088   20 
1   6400   3500   20 

に動作します。

df = pd.read_sql_query(
    'SELECT Request,Used,Count,Path FROM history where User = "john"', db) 
df['Path'] = df['Path'].str.split("/") 
print(df.head) 
X = df[['Request','Count','Path']] 
y = df['Used'] 
X_train, X_test, y_train, y_test = train_test_split(X, y) 
... 
#Output of print(df.head) 
    #Output of print(df.head) 
      Request  Used   Count Path 
0   5400   3088   20  [, home, john, testdir] 
1   6400   3500   20  [, home, john, blub] 

df ['PATH']をscikitに使用するにはどのように変換できますか？ OneHotEnocderを使った表現のような行列でしょうか？ ヘルプやヒントがあれば、私には大いに役立ちます。

ありがとうございました

Answer 1

私はこのように解決しました。

dummy = df['Path'].str.split('/').apply(pd.Series).astype(str) 
df = df.drop('Path', axis=1) 
new_df = pd.concat([df, dummy], axis=1) 

異なるパスによって、データフレームが非常に大きくなる可能性があります。 しかし、それでも十分です。パスを分割するために、df ['Path'] .str.extract（）をチェックします。