使用pandas的get_dummies函数对分类特征进行OneHot编码和哑编码

本文深入探讨了OneHot编码和哑编码的概念及其在数据预处理中的应用,详细比较了两种编码方式的异同,包括编码长度的区别以及如何在实际场景中选择合适的编码方式。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)

常用参数解释:
    data: DataFrame或Series对象
    prefix: 编码后特征名称的前缀
    prefix_sep: 编码后特征名称的前缀,默认使用“_”进行分隔
    columns: 默认为None,默认对data里面的所有object对象和category对象进行编码,如果指定columns,则只对指定的特征进行编码,但是必须保证columns的长度与prefix的长度一致
    drop_first: 默认为False,表示是否丢弃OneHot编码后的第一列,因为丢弃的一列可以通过其他剩余的k-1列计算得到,也就变成了哑变量编码


1、构造带有分类特征的DataFrame

2、对分类特征进行OneHot编码

3、对分类特征进行哑编码


OneHot编码和哑编码的区别简述:

1、OneHot编码的编码长度和分类特征的类别数相同

2、哑编码的编码长度是分类特征的类别数减1

 

OneHot编码和哑编码的使用异同见参考文档

 


 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值