python对离散变量的one-hot编码方法

　　我们在进行建模时，变量中经常会有一些变量为离散型变量，例如性别。这些变量我们一般无法直接放到模型中去训练模型。因此在使用之前，我们往往会对此类变量进行处理。一般是对离散变量进行one-hot编码。下面具体介绍通过python对离散变量进行one-hot的方法。

　　注意：这里提供两种哑编码的实现方法，pandas和sklearn。它们最大的区别是，pandas默认只处理字符串类别变量，sklearn默认只处理数值型类别变量(需要先 LabelEncoder )

　　① pd.get_dummies(prefix=)

　　pandas的get_dummies()可以直接对变量进行one-hot编码，其中prefix是为one-hot编码后的变量进行命名。

　　②LabelEncoder和OneHotEncoder

　　我们也可以通过sklearn的模块实现对离散变量的one-hot编码，其中LabelEncoder是将离散变量替换为数字，

　　OneHotEncoder则实现对替换为数字的离散变量进行one-hot编码。

　　注：get_dummies()可以直接对字符型变量进行one-hot编码，但OneHotEncoder不能直接对字符型变量编码，因此我们需要先将字符型变量转换为数值型变量。这就是为什么在OneHotEncoder之前需要LabelEncoder的原因。

　　下面我们通过实例来介绍这两种方法的具体使用：

　　①数据的导入

　　 import pandas as pd import os os.getcwd() os.chdir(E:\study\kaggle\Titanic) from sklearn.preprocessing import OneHotEncoder from sklearn.preprocessing import LabelEncoder data = pd.read_csv(train.csv)

　　②数据熟悉

　　 data[Sex].value_counts() Out[38]: male 577 female 314 Name: Sex, dtype: int64 #可以看到，变量Sex为字符型变量，取值有male和female两种

　　③get_dummies

　　 Sex_ohe_1 = pd.get_dummies(data[Sex]) Sex_ohe_1.head() Out[40]: female male 0 0 1 1 1 0 2 1 0 3 1 0 4 0 1

　　④OneHotEncoder

　　 Sex_ohe_2 = OneHotEncoder(sparse=False).fit_transform(data[Sex].reshape((-1,1))) ValueError: could not convert string to float: male

　　可以看到OneHotEncoder无法直接对字符型变量进行编码，需要通过OneHotEncoder将字符型变量转换为数值型变量。

　　 le_sex=LabelEncoder().fit(data[Sex]) Sex_label=le_sex.transform(data[Sex]) Sex_label= LabelEncoder().fit_transform(data[Sex]) #fit_transform等价于fit和transform两个函数结合 ohe_sex=OneHotEncoder(sparse=False).fit(Sex_label.reshape(-1,1)) Sex_ohe=ohe_sex.transform(Sex_label.reshape(-1,1)) Sex_ohe_3 = OneHotEncoder(sparse=False).fit_transform(Sex_label.reshape((-1,1)))

　　注：get_dummies返回的为数据框，OneHotEncoder返回的为数组。

　　以上这篇python对离散变量的one-hot编码方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。