版权声明：欢迎去我的新家https://www.jianshu.com/u/906a78709f1d    https://blog.csdn.net/dongyanwen6036/article/details/78555163

一、实践

离散特征的编码分为两种情况：

1、离散特征的取值之间没有大小的意义，比如color：[red,blue],那么就使用one-hot编码

2、离散特征的取值有大小的意义，比如size:[X,XL,XXL],那么就使用数值的映射{X:1,XL:2,XXL:3}说明：对于有大小意义的离散特征，直接使用映射就可以了，{'XL':3,'L':2,'M':1}

使用pandas可以很方便的对离散型特征进行one-hot编码

#-*-coding=utf-8-*-

import pandas as pd

df = pd.DataFrame([

['green', 'M', 10.1, 'class1'],

['red', 'L', 13.5, 'class2'],

['blue', 'XL', 15.3, 'class1']])

df.columns = ['color', 'size', 'prize', 'class label']

size_mapping = {

'XL': 3,

'L': 2,

'M': 1}

df['size'] = df['size'].map(size_mapping)

class_mapping = {label:idx for idx,label in enumerate(set(df['class label']))}

df['class label'] = df['class label'].map(class_mapping)

print('----------------------------------------------------------------')

print(df)

print('----------------------------------------------------------------')

df=pd.get_dummies(df)

print(df)

print('----------------------------------------------------------------')

使用get_dummies进行one-hot编码，独热码应用前后注意color列的变化结果如下

二、实践

最后难免要变稀疏矩阵

>>> import pandas as pd

>>> s = pd.Series(list('abca'))

>>> pd.get_dummies(s)

a  b  c

0  1  0  0

1  0  1  0

2  0  0  1

3  1  0  0

>>> s1 = ['a', 'b', np.nan]

>>> pd.get_dummies(s1)

a  b

0  1  0

1  0  1

2  0  0

>>> pd.get_dummies(s1, dummy_na=True)

a  b  NaN

0  1  0    0

1  0  1    0

2  0  0    1

下面这个有意思，直接C不参加，因为prefix写明了A和B参加one-hot编码。

>>> df = pd.DataFrame({'A': ['a', 'b', 'a'], 'B': ['b', 'a', 'c'],

...                    'C': [1, 2, 3]})

>>> pd.get_dummies(df, prefix=['col1', 'col2'])

C  col1_a  col1_b  col2_a  col2_b  col2_c

0  1       1       0       0       1       0

1  2       0       1       1       0       0

2  3       1       0       0       0       1

参考官网

参考

---------------------

作者：Gunther17

来源：CSDN

原文：https://blog.csdn.net/dongyanwen6036/article/details/78555163

版权声明：本文为博主原创文章，转载请附上博文链接！