数据预处理（2）—— One-hot coding 独热编码#分别使用 pandans.dummies 和 sklearn.feature_extraction.DictVectorizer 进行处理

HeatDeath

于 2017-09-21 13:57:38 发布

阅读量2.3k

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签： color 编码数据 numpy

本文为博主原创文章，未经博主允许不得转载。哈哈哈

本文链接：https://blog.youkuaiyun.com/HeatDeath/article/details/78051218

离散 feature 的 encoding 分为两种情况：

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

2、离散 feature 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}

In [90]:

                 
             import numpy as np 
             import pandas as pd 
             from pandas import Series, DataFrame 
             np.set_printoptions(precision=4)

…

In [91]:

                 
             
 
             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']   
             df 
            