データフレーム内の複数の列のLabelBinarizer

Question

私は25の列を持つcsvファイルを持っています。いくつかは数値で、いくつかはカテゴリ化されていて、俳優や監督の名前のようなものもあります。このデータで回帰モデルを使いたい。これを行うには、scikitパッケージのLabelBinarizerを使用して、カテゴリの列の文字列型を数値に変換する必要があります。 複数のカテゴリデータを持つこのデータフレームでLabelBinarizeを使用するにはどうすればよいですか？

基本的に私は、ラベルを2値化し、データフレームにそれらを追加します。

以下のコードでは、二値化する列のリストを取得して、新しい列をdfに追加する方法を見つけることができませんでしたか？次のステップで

categorylist = ['color', 'language', 'country', 'content_rating'] 
for col in categorylist: 
    tempdf = label_binarizer.fit_transform(df[col]) 

、私はdfにtempdfを追加して、元の列のDF [COL]をドロップします。

あなたが pd.get_dummiesでワンライナーでこれを行うことができます

Answer 1

：

tempdf = pd.get_dummies(df, columns=categorylist) 

そうでなければ、あなたがsklearn pipeline - how to apply different transformations on different columns

EDITへの答えのようにFunctionTransformerでFeatureUnionを使用することができます。 @dukebodyによって追加したようコメントでは、sklearn-pandasパッケージを使用して、各データフレーム列に異なる変換を適用できるようにすることもできます。