我們在進行建模時，變量中經常會有一些變量為離散型變量，例如性別。這些變量我們一般無法直接放到模型中去訓練模型。因此在使用之前，我們往往會對此類變量進行處理。一般是對離散變量進行one-hot編碼。下面具體介紹通過python對離散變量進行one-hot的方法。
注意：這里提供兩種啞編碼的實現方法，pandas和sklearn。它們最大的區別是，pandas默認只處理字符串類別變量，sklearn默認只處理數值型類別變量(需要先 LabelEncoder )
① pd.get_dummies(prefix=)
pandas的get_dummies()可以直接對變量進行one-hot編碼，其中prefix是為one-hot編碼后的變量進行命名。
②LabelEncoder和OneHotEncoder
我們也可以通過sklearn的模塊實現對離散變量的one-hot編碼，其中LabelEncoder是將離散變量替換為數字，
OneHotEncoder則實現對替換為數字的離散變量進行one-hot編碼。
注：get_dummies()可以直接對字符型變量進行one-hot編碼，但OneHotEncoder不能直接對字符型變量編碼，因此我們需要先將字符型變量轉換為數值型變量。這就是為什么在OneHotEncoder之前需要LabelEncoder的原因。
下面我們通過實例來介紹這兩種方法的具體使用：
①數據的導入
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數據熟悉
data['Sex'].value_counts() Out[38]: male 577 female 314 Name: Sex, dtype: int64 #可以看到，變量Sex為字符型變量，取值有male和female兩種
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無法直接對字符型變量進行編碼，需要通過OneHotEncoder將字符型變量轉換為數值型變量。
le_sex=LabelEncoder().fit(data['Sex']) Sex_label=le_sex.transform(data['Sex']) Sex_label= LabelEncoder().fit_transform(data['Sex']) #fit_transform等價于fit和transform兩個函數結合 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返回的為數據框，OneHotEncoder返回的為數組。
以上這篇python對離散變量的one-hot編碼方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
