我有一个看起来像这样的数据：与结局sklearn：创建选择题稀疏特征向量特征
20003.0, 20003.1, 20004.0, 20004.1, 34
1, 2, 3, 4, 5
其中列*都是选择题，他们采取分类是价值观。
理想情况下，我将能够通过[{'20003': ['1', '2'], '20004': ['3', '4'], '34': 5}]到DictVectorizer但尚不支持。
如何把这个数据加载到创建稀疏特征向量？
如果你能总结一下您的值列同组：
In [63]: df
Out[63]:
20003.0 20003.1 20004.0 20004.1 34
0 1 2 3 4 5
In [64]: d = df.groupby(df.columns.str.split('.').str[0], axis=1).sum().to_dict('r')
In [65]: d
Out[65]: [{'20003': 3, '20004': 7, '34': 5}]
In [66]: from sklearn.feature_extraction import DictVectorizer
In [67]: v = DictVectorizer()
In [68]: X = v.fit_transform(d)
In [69]: X.toarray()
Out[69]: array([[ 3., 7., 5.]])
In [70]: v.inverse_transform(X)
Out[70]: [{'20003': 3.0, '20004': 7.0, '34': 5.0}]
说明：
In [71]: df.groupby(df.columns.str.split('.').str[0], axis=1).sum()
Out[71]:
20003 20004 34
0 3 7 5
In [72]: df.groupby(df.columns.str.split('.').str[0], axis=1).sum().to_dict('r')
Out[72]: [{'20003': 3, '20004': 7, '34': 5}]
不幸的是，我不能总结这些值。可能不清楚的是它们是绝对的。 – cosmosa
你是什么数据？它是文本，DataFrame，数组，还有其他的东西吗？ – MaxU
这是从CSV读取的数据帧。 – cosmosa
可以总结值类似列？例如：'[{'20003'：3，'20004'：7，'34'：5}]' - 这可以很容易地传递给DictVectorizer – MaxU