pandas中的get_dummies()函数

 

数据集中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（特征之间的欧式距离相同），比如color:[red,green]，可以采用one-hot的方法
2. 离散特征的的取值有大小的意义（特征之间的欧式距离不同），比如size：[X,XL,XXL]，可以采用数值的映射{X:1,XL:2,XXL3}，这种方式就是LabelEncoder()的思想

对离散特征的处理可以采用两种方式：

1、采用map()函数映射，处理欧式距离为0的特征-类似于One-Hot编码

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 in enumerate(set(df['class label']))
    }

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

说明：对于大小有意义的离散特征（欧式距离不相同），直接使用映射就可以了，{'XL':3,'L':2,'M':1}

    

2、直接使用pandas.get_dummies()函数处理

函数：get_dummies()

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

参数说明：

data : array-like, Series, or DataFrame
输入的数据
prefix : string, list of strings, or dict of strings, default None
get_dummies转换后，列名的前缀
columns : list-like, default None
指定需要实现类别转换的列名
dummy_na : bool, default False
增加一列表示空缺值，如果False就忽略空缺值
drop_first : bool, default False
获得k中的k-1个类别值，去除第一个

 print(pandas.get_dummies(df))