pandas使用get_dummies进行one-hot编码2018-04-22

转自：https://blog.csdn.net/lujiandong1/article/details/52836051
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，比如color：[red,blue],那么就使用one-hot编码
2、离散特征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}

使用pandas可以很方便的对离散型特征进行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,label in enumerate(set(df['class label']))}  
df['class label'] = df['class label'].map(class_mapping)  

说明：对于有大小意义的离散特征，直接使用映射就可以了，{'XL':3,'L':2,'M':1}

image

Using the get_dummies will create a new column for every unique string in a certain column:使用get_dummies进行one-hot编码

pd.get_dummies(df)  

image

指定列：直接C不参加，因为prefix写明了A和B参加one-hot编码。

df = pd.DataFrame({'A': ['a', 'b', 'a'], 'B': ['b', 'a', 'c'],  
...                    'C': [1, 2, 3]})  
pd.get_dummies(df, prefix=['col1', 'col2'])  
   C  col1_a  col1_b  col2_a  col2_b  col2_c  
0  1       1       0       0       1       0  
1  2       0       1       1       0       0  
2  3       1       0       0       0       1 

image.png