pandas one_hot编码

1 import pandas as pd2 3 data = pd.Series(["java","python","c","python","html","java","linux"])4 data1 = pd.get_dummies(data)5 print(data1)

输出结果：

   c  html  java  linux  python

0  0     0     1      0       0

1  0     0     0      0       1

2  1     0     0      0       0

3  0     0     0      0       1

4  0     1     0      0       0

5  0     0     1      0       0

6  0     0     0      1       0

sklearn one_hot编码

1 import pandas as pd2 from sklearn.preprocessing import label_binarize3 data = pd.DataFrame([["java"],["python"],["c"],["python"],["html"],["java"],["linux"]],columns=["name"])4 classes = list(set(data["name"].values.tolist()))5 data2 = label_binarize(data["name"],classes=classes)6 data = pd.DataFrame(data2,columns=classes)7 print(data)

   java  linux  html  c  python

0     1      0     0  0       0

1     0      0     0  0       1

2     0      0     0  1       0

3     0      0     0  0       1

4     0      0     1  0       0

5     1      0     0  0       0

6     0      1     0  0       0

1 from sklearn.preprocessing import LabelEncoder2 from sklearn.preprocessing import OneHotEncoder3 4 data = pd.DataFrame([["java"],["python"],["c"],["python"],["html"],["java"],["linux"]],columns=["name"])5 l = LabelEncoder()6 d = l.fit_transform(data["name"])7 o = OneHotEncoder()8 data3 = pd.DataFrame((o.fit_transform(d.reshape(-1,1))).toarray(),columns=l.classes_)9 print(data3)

     c  html  java  linux  python

0  0.0   0.0   1.0    0.0     0.0

1  0.0   0.0   0.0    0.0     1.0

2  1.0   0.0   0.0    0.0     0.0

3  0.0   0.0   0.0    0.0     1.0

4  0.0   1.0   0.0    0.0     0.0

5  0.0   0.0   1.0    0.0     0.0

6  0.0   0.0   0.0    1.0     0.0

label_binarize的返回值是numpy.ndarray的数据类型

OneHotEncoder的返回值是scipy.sparse.csr.csr_matrix的数据类型使用toarray()处理为numpy.ndarray的数据类型

对用 ndarray的数据使用tolist()转换为列表，使用list(set(list_data))去重复