如何基于数据框的独热编码种族列生成新的Race分类列？

以下是基于Python pandas库的两种常用实现方案：

方案1：idxmax+映射（兼容性强，列顺序不影响结果） #

利用独热编码每行仅1个取值为1的特征，先提取每行取值为1的列名，再通过字典映射得到对应编码：

import pandas as pd

# 定义种族列到编码的映射关系
race_mapping = {
    'White': 0,
    'Black': 1,
    'Asian': 2,
    'Hisp': 3,
    'Other': 4
}

# 提取五种种族列，取每行最大值对应的列名，映射后赋值给Race列
df['Race'] = df[['White', 'Black', 'Asian', 'Hisp', 'Other']].idxmax(axis=1).map(race_mapping)

方案2：点积运算（效率更高，适合大数据量） #

直接给对应列赋予目标权重，通过点积运算直接得到结果，需要注意列顺序和权重顺序要完全匹配：

# 权重顺序和前面选择的列顺序一一对应：White对应0、Black对应1、以此类推
df['Race'] = df[['White', 'Black', 'Asian', 'Hisp', 'Other']].dot([0,1,2,3,4])

注意事项 #

两种方案都默认你的原始数据中，每行的五种种族列有且仅有一个取值为1，没有多选或者全0的异常情况，如果存在异常数据需要先做清洗再执行上述操作。

内容的提问来源于stack exchange，提问作者Evan