我們在進(jìn)行建模時，變量中經(jīng)常會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，我們往往會對此類變量進(jìn)行處理。一般是對離散變量進(jìn)行one-hot編碼。下面具體介紹通過python對離散變量進(jìn)行one-hot的方法。

注意：這里提供兩種啞編碼的實(shí)現(xiàn)方法，pandas和sklearn。它們最大的區(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()可以直接對字符型變量進(jìn)行one-hot編碼，但OneHotEncoder不能直接對字符型變量編碼，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')

②數(shù)據(jù)熟悉

data['Sex'].value_counts()
Out[38]: 
male  577
female 314
Name: Sex, dtype: int64 #可以看到，變量Sex為字符型變量，取值有male和female兩種

③get_dummies

Sex_ohe_1 = pd.get_dummies(data['Sex'])
Sex_ohe_1.head()
Out[40]: 
 female male
0  0  1
1  1  0
2  1  0
3  1  0
4  0  1

④OneHotEncoder

Sex_ohe_2 = OneHotEncoder(sparse=False).fit_transform(data['Sex'].reshape((-1,1))) 
 
ValueError: could not convert string to float: male 

可以看到OneHotEncoder無法直接對字符型變量進(jìn)行編碼，需要通過OneHotEncoder將字符型變量轉(zhuǎn)換為數(shù)值型變量。

le_sex=LabelEncoder().fit(data['Sex']) 
Sex_label=le_sex.transform(data['Sex']) 
Sex_label= LabelEncoder().fit_transform(data['Sex']) #fit_transform等價于fit和transform兩個函數(shù)結(jié)合
ohe_sex=OneHotEncoder(sparse=False).fit(Sex_label.reshape(-1,1)) 
Sex_ohe=ohe_sex.transform(Sex_label.reshape(-1,1)) 
Sex_ohe_3 = OneHotEncoder(sparse=False).fit_transform(Sex_label.reshape((-1,1)))

注：get_dummies返回的為數(shù)據(jù)框，OneHotEncoder返回的為數(shù)組。

以上這篇python對離散變量的one-hot編碼方法就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論