Abrufen von Feature-Namen nach der One-Hot-Codierung

Question

Ich habe ein Dataset, das ich kürzlich durch One-Hot-Encoding transformiert habe und es eine Lasso-logistische Regression darauf trainiert. Ich versuche eine Liste der Koeffizienten ungleich Null zu bekommen. Ich kann eine Liste der Koeffizienten durch sklearn erhalten, aber ich bin nicht sicher, wie man sie zu den Daten nach einer heißen Kodierung abbildet.

Ein kleiner Auszug des Datensatzes (vor einer heißen Codierung unten)

{'acc_now_delinq': {29601: 0.0, 
    143234: 0.0, 
    157345: 0.0, 
    158754: 0.0, 
    229042: 0.0}, 
'application_type': {29601: 0, 143234: 0, 157345: 0, 158754: 0, 229042: 0}, 
'collections_12_mths_ex_med': {29601: 0.0, 
    143234: 0.0, 
    157345: 0.0, 
    158754: 0.0, 
    229042: 0.0}, 
'credit_age': {29601: 118.0, 
    143234: 157.0, 
    157345: 213.0, 
    158754: 269.0, 
    229042: 240.0}, 
'delinq_2yrs': {29601: 0.0, 
    143234: 0.0, 
    157345: 0.0, 
    158754: 0.0, 
    229042: 0.0}, 
'dti': {29601: 2.0600000000000001, 
    143234: 23.710000000000001, 
    157345: 18.960000000000001, 
    158754: 18.690000000000001, 
    229042: 22.530000000000001}, 
'emp_length_num': {29601: 8.0, 
    143234: 2.0, 
    157345: 1.0, 
    158754: 7.0, 
    229042: 1.0}, 
'home_ownership': {29601: 4, 143234: 5, 157345: 5, 158754: 1, 229042: 1}, 
'inq_last_6mths': {29601: 2.0, 
    143234: 0.0, 
    157345: 0.0, 
    158754: 0.0, 
    229042: 0.0}, 
'loan_amnt': {29601: 214.0, 
    143234: 211.0, 
    157345: 571.0, 
    158754: 937.0, 
    229042: 466.0}, 
'loan_status': {29601: 0, 143234: 1, 157345: 0, 158754: 1, 229042: 1}, 
'log_annual_inc': {29601: 11.225243392499999, 
    143234: 10.8022251252, 
    157345: 11.0020998412, 
    158754: 11.6952470218, 
    229042: 11.225243392499999}, 
'open_acc': {29601: 5.0, 
    143234: 21.0, 
    157345: 11.0, 
    158754: 9.0, 
    229042: 14.0}, 
'pub_rec': {29601: 0.0, 143234: 0.0, 157345: 0.0, 158754: 0.0, 229042: 0.0}, 
'purpose': {29601: 4, 143234: 2, 157345: 2, 158754: 2, 229042: 2}, 
'revol_bal': {29601: 2266.0, 
    143234: 12254.0, 
    157345: 20657.0, 
    158754: 11367.0, 
    229042: 39404.0}, 
'revol_inc_ratio': {29601: 0.030213333333299997, 
    143234: 0.24941990637100001, 
    157345: 0.34428333333300004, 
    158754: 0.094725000000000004, 
    229042: 0.52538666666699996}, 
'revol_util': {29601: 44.0, 
    143234: 89.400000000000006, 
    157345: 76.900000000000006, 
    158754: 81.200000000000003, 
    229042: 95.5}, 
'tot_coll_amt': {29601: 0.0, 
    143234: 0.0, 
    157345: 0.0, 
    158754: 0.0, 
    229042: 0.0}, 
'tot_cur_bal': {29601: 2266.0, 
    143234: 115947.0, 
    157345: 80598.0, 
    158754: 347695.0, 
    229042: 355741.40000000002}, 
'total_acc': {29601: 5.0, 
    143234: 41.0, 
    157345: 35.0, 
    158754: 17.0, 
    229042: 30.0}, 
'total_rev_hi_lim': {29601: 5100.0, 
    143234: 13700.0, 
    157345: 26900.0, 
    158754: 14000.0, 
    229042: 80780.0}, 
'verification_status': {29601: 0, 143234: 2, 157345: 1, 158754: 2, 229042: 1}} 

Und meine One-Hot-Codierung Code:

def one_hot(df): 
# Categorical columns for use in one-hot encoder 
categorical = (df.dtypes.values != np.dtype('float64')) 
print categorical 

# Get numpy array from data 
x = df.values[:, :-1] 
y = df.values[:, -1] 

# Apply one hot endcoing 
encoder = preprocessing.OneHotEncoder(categorical_features=categorical[:-1], sparse=False) # Last value in mask is y 
x = encoder.fit_transform(x) 

return x, y 

Answer 1

Vorausgesetzt, dass Sie Ihr kleiner Auszug aus dem Datensatz gespeichert haben in einer Variablen namens temp:

temp = pd.DataFrame(temp) 
categorical = (temp.dtypes.values != np.dtype('float64')) 
categorical = temp.columns[categorical] 

def one_hot(temp, categorical): 
    # temp is the data frame from which the "categorical" columns need to be One hot encoded 
    from sklearn.preprocessing import OneHotEncoder 
    enc_model = OneHotEncoder(sparse=False) 
    X = enc_model.fit_transform(temp[categorical]) 
    uniq_vals = temp[categorical].apply(lambda x: x.value_counts()).unstack() 
    uniq_vals = uniq_vals[~uniq_vals.isnull()] 
    enc_cols = list(uniq_vals.index.map('{0[0]}_{0[1]}'.format)) # https://stackoverflow.com/questions/41987743/merge-two-multiindex-levels-into-one-in-pandas 
    enc_df = pd.DataFrame(X, columns=enc_cols, index=temp.index, dtype='bool') 

    return(enc_df)