什么是One-Hot Encoding进行数据清理?

在这篇文章中，我们讨论什么是One-Hot编码？为什么以及何时使用它来处理机器学习测试。在许多机器学习案例中，特征并不总是连续值，可能是分类值。

例如：

• [“male”, “female”]
• [“from Europe”, “from US”, “from Asia”]
• [“uses Firefox”, “uses Chrome”, “uses Safari”, “uses Internet Explorer”]

如果您使用这些数字来表示，那将更有效，例如：

• [“male”, “from US”, “uses Internet Explorer”] -> [0, 1, 3]
• [“female”, “from Asia”, “uses Chrome”]-> [1, 2, 1]

但是，在我们转换为数字表示后，上述数据无法直接在我们的分类器中使用。因为estimator 会认为要排序的类，但实际上是无序的。例如：衣服的尺寸类别数据是任意排序的。

首先，创建一个DataFrame并命名列，Python代码如下：

# Python program to demonstrate

import pandas as pd

df2 = pd.DataFrame(

[['Green','M', 10.1, 1 ], ['Red','L',13.5, 2 ], ['Blue','XL',13.5, 2 ], ['Red','L', 10, 1 ]])

df2.columns = ['Color','Size','Price','Classlable']

df2

#map(fun, iter)

#fun : It is a function to which map passes each element of given iterable.

#iter : It is a iterable which is to be mapped.

size_mapping =

{

'XL':3,

'L':2,

'M':1

}

df2['Size'] = df2['Size'].map(size_mapping)

使用“get_dummies”函数很简单——使用prefix函数指定要对哪些列进行编码，然后得到一个dataframe，用One hot编码替换原始列。Python示例代码：

onehot_encoding = pd.get_dummies(df2['Color'], prefix='Color')

df2 = df2.drop('Color',1)

onehot_encoding

pd.concat([onehot_encoding, df2],axis=1)

在本教程中，您了解了如何使用Python中的one hot编码对机器学习的分类序列数据进行编码。