So wandeln Sie den Pfad für scikit-learn um

Question

Ich brauche Hilfe bei der Vorbereitung eines Linux Pfades/Verzeichnisses für das Training scikit. Im Moment dies bisher

ich wollte jetzt

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 

arbeitet, um die SQL-Abfrage ändern und einen Pfad zu dem Ergebnis hinzufügen.

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] 

Wie kann df [ 'PATH'] konvertieren für scikit verwendbar zu sein. Vielleicht eine Matrix wie eine Repräsentation mit OneHotEnocder? Jede Hilfe oder Tipps würde mir sehr helfen.

danke im voraus

Answer 1

ich löste es so.

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

Abhängig von verschiedenen Pfaden kann der Datenrahmen sehr groß werden. Aber es ist genug, um fortzufahren. Ich überprüfe df ['Path']. Str.extract(), um den Pfad besser zu trennen.