我們?cè)谶M(jìn)行建模時(shí)，變量中經(jīng)常會(huì)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(xùn)練模型。因此在使用之前，我們往往會(huì)對(duì)此類變量進(jìn)行處理。一般是對(duì)離散變量進(jìn)行one-hot編碼。下面具體介紹通過python對(duì)離散變量進(jìn)行one-hot的方法。

創(chuàng)新互聯(lián)公司專注為客戶提供全方位的互聯(lián)網(wǎng)綜合服務(wù)，包含不限于成都網(wǎng)站設(shè)計(jì)、做網(wǎng)站、成都外貿(mào)網(wǎng)站建設(shè)公司、特克斯網(wǎng)絡(luò)推廣、小程序設(shè)計(jì)、特克斯網(wǎng)絡(luò)營(yíng)銷、特克斯企業(yè)策劃、特克斯品牌公關(guān)、搜索引擎seo、人物專訪、企業(yè)宣傳片、企業(yè)代運(yùn)營(yíng)等，從售前售中售后，我們都將竭誠為您服務(wù)，您的肯定，是我們大的嘉獎(jiǎng)；創(chuàng)新互聯(lián)公司為所有大學(xué)生創(chuàng)業(yè)者提供特克斯建站搭建服務(wù)，24小時(shí)服務(wù)熱線：18982081108，官方網(wǎng)址：www.cdcxhl.com

注意：這里提供兩種啞編碼的實(shí)現(xiàn)方法，pandas和sklearn。它們大的區(qū)別是，pandas默認(rèn)只處理字符串類別變量，sklearn默認(rèn)只處理數(shù)值型類別變量(需要先 LabelEncoder )

① pd.get_dummies(prefix=)

pandas的get_dummies()可以直接對(duì)變量進(jìn)行one-hot編碼，其中prefix是為one-hot編碼后的變量進(jìn)行命名。

②LabelEncoder和OneHotEncoder

我們也可以通過sklearn的模塊實(shí)現(xiàn)對(duì)離散變量的one-hot編碼，其中LabelEncoder是將離散變量替換為數(shù)字，

OneHotEncoder則實(shí)現(xiàn)對(duì)替換為數(shù)字的離散變量進(jìn)行one-hot編碼。

注：get_dummies()可以直接對(duì)字符型變量進(jìn)行one-hot編碼，但OneHotEncoder不能直接對(duì)字符型變量編碼，因此我們需要先將字符型變量轉(zhuǎn)換為數(shù)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(shí)例來介紹這兩種方法的具體使用：

①數(shù)據(jù)的導(dǎo)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')

分享題目：python對(duì)離散變量的one-hot編碼方法-創(chuàng)新互聯(lián)
文章路徑：http://weahome.cn/article/deiopc.html