使用pd.from_dummies还原OHE目标变量时触发ValueError问题求助

我正在参与Kaggle Playground系列竞赛，用简单神经网络解决二分类问题。通过独热编码（OHE）将目标变量Personality转换为1和0：

train2 = pd.get_dummies(train, columns=['Personality'], drop_first=True, dtype=int)

随后用tensorflow-keras训练模型，输出为概率值，因此用以下代码取整：

pred = np.round(pred)

接着将结果转换为int64类型并转为DataFrame：

df = pd.DataFrame(pred)
pred_df = df.astype('int64')
pred_df.head()

但尝试将预测值还原为Introvert和Extrovert时，执行：

final =  pd.from_dummies(pred_df)

触发错误，完整错误信息如下：

This is the full error message ->
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
/tmp/ipykernel_635/341381991.py in <cell line: 0>()
      1 #Revert
----> 2 final =  pd.from_dummies(pred_df)

/usr/local/lib/python3.11/dist-packages/pandas/core/reshape/encoding.py in from_dummies(data, sep, default_category)
    550                 cats.append(default_category[prefix])
    551             else:
--> 552                 raise ValueError(
    553                     "Dummy DataFrame contains unassigned value(s); "
    554                     f"First instance in row: {assigned.idxmin()}"

ValueError: Dummy DataFrame contains unassigned value(s); First instance in row: 0

不确定问题所在及解决方法，附上全部代码。如果无法还原，使用map函数（如1对应Introvert）是否可行？

问题原因 #

pd.from_dummies()需要带有原类别前缀的列名才能识别类别映射关系，而你的pred_df列名是默认数字（如0），没有关联原Personality的类别信息；另外，你用drop_first=True编码时已丢弃一个类别，from_dummies无法自动识别被丢弃的类别，因此触发错误。

解决方法 #

方法1：直接用map函数（最简便）

二分类场景下，直接通过字典映射即可完成还原，无需依赖from_dummies：

# 确认原编码规则：比如train2中Personality_Introvert=1对应Introvert，0对应Extrovert
pred_df['Personality'] = pred_df[0].map({1: 'Introvert', 0: 'Extrovert'})

方法2：修正列名后用from_dummies

如果一定要用from_dummies，需先给pred_df设置原独热编码的列名，并指定被丢弃的默认类别：

# 重命名列，匹配原独热编码后的列名
pred_df.columns = ['Personality_Introvert']
# 还原时指定被丢弃的类别
final = pd.from_dummies(pred_df, default_category={'Personality': 'Extrovert'})

总结 #

二分类场景下，map函数是最直接高效的方案，既避免了from_dummies的列名依赖问题，也能快速完成类别还原。

内容的提问来源于stack exchange，提问作者Karis C. Anoruo