使用guess_indian_gender库预测数据集性别所有结果均为男性如何解决

问题原因 #

guess_indian_gender库的predict方法原生不支持直接传入pandas Series类型参数，你传入dfna['name']时，方法会将整个Series识别为单个非法姓名输入，默认返回男性值，最终所有行被赋值为这个统一的返回结果。

解决方法 #

方法1：逐行调用（兼容性最高） #

使用pandas的apply方法逐行传入单个姓名调用预测接口，修改后代码如下：

from guess_indian_gender import IndianGenderPredictor
i = IndianGenderPredictor()
dfna['predicted_gender'] = dfna['name'].apply(lambda x: i.predict(name=x))

方法2：批量传入列表（效率更高） #

如果你的库版本支持批量传入姓名列表，可使用如下写法减少调用开销：

from guess_indian_gender import IndianGenderPredictor
i = IndianGenderPredictor()
dfna['predicted_gender'] = i.predict(name=dfna['name'].tolist())

优化建议 #

• 数据量较大时，可以先对姓名列去重后生成预测映射字典，再映射回原数据集，进一步降低重复计算开销：

# 生成唯一姓名的性别映射字典
name_gender_map = {name: i.predict(name=name) for name in dfna['name'].unique()}
# 映射到原数据集
dfna['predicted_gender'] = dfna['name'].map(name_gender_map)

• 提前清洗姓名列的特殊符号、多余空格、非印度姓名内容，可提升预测准确率。

内容的提问来源于stack exchange，提问作者Sarthak Gupta