OneHotEncoder函数

仅介绍常用功能，详情请看结尾参考链接。

一、函数功能与参数

将分类特征编码为one-hot数字数组。

这个转换器的输入应该是一个类似数组的整数或字符串，表示分类（离散）特征所采用的值。使用 one-hot（又名“one-of-K”或“dummy”）编码方案对特征进行编码。这将为每个类别创建一个二进制列并返回一个稀疏矩阵或密集数组（取决于sparse 参数）。

默认情况下，编码器根据每个特征中的唯一值派生类别。或者，您也可以categories 手动指定。

注意：y 标签的 one-hot 编码应该使用 LabelBinarizer。

使用说明：

from sklearn.preprocessing import OneHotEncoder

OneHotEncoder(categories='auto', sparse='True', dtype='float')

二、函数使用

生成OneHotEncoder类模型。

import pandas as pd
data = {'degree':['master','master','PHD'],'grade':['A', 'B', 'C']}
df = pd.DataFrame(data)

from sklearn.preprocessing import OneHotEncoder
# 拟合模型
enc = OneHotEncoder()
enc.fit(df)

# 展示原始每个特征的不同种类
enc.categories_
# [array(['PHD', 'master'], dtype=object), array(['A', 'B', 'C'], dtype=object)]

# 不同特征的不同属性值列举出来
enc.get_feature_names()
"""
array(['x0_PHD', 'x0_master', 'x1_A', 'x1_B', 'x1_C'], dtype=object)
"""

# 输出稀疏矩阵，指出矩阵中1的坐标位置，其余位置为 0。
print(enc.transform(df))
"""
  (0, 1)	1.0
  (0, 2)	1.0
  (1, 1)	1.0
  (1, 3)	1.0
  (2, 0)	1.0
  (2, 4)	1.0
"""

# 加上toarray()转换为数组形式，直观的结果，类似与 get_dummy()
print(enc.transform(df).toarray())
"""
[[0. 1. 1. 0. 0.]
 [0. 1. 0. 1. 0.]
 [1. 0. 0. 0. 1.]]
"""

注意： 如果OneHotEncoder模型设置了sparse=False，则直接transform可以得到数组矩阵而不在需要用到toarray()。

from sklearn.preprocessing import OneHotEncoder
# 拟合模型
# 注意这里设置了参数sprase=False，即直接返回数组
enc = OneHotEncoder(sparse=False)
enc.fit(df)

print(enc.transform(df))
"""
[[0. 1. 1. 0. 0.]
 [0. 1. 0. 1. 0.]
 [1. 0. 0. 0. 1.]]
"""

测试：

根据训练好的已有OneHotEncoder模型去OneHot测试样本：

da1 = {'degree':['master'],'grade':['C']}
dd1 = pd.DataFrame(da1)
print(enc.transform(dd1))
"""
[[0. 1. 0. 0. 1.]]
"""

注意：测试样本仅限于训练样本中的特征及其对应的特征值，并且按照顺序给定特征值，如下：

# 新的特征值
da1 = {'degree':['master'],'grade':['D']}
# Found unknown categories ['D'] in column 1 during transform

# 特征值混合
da1 = {'degree':['C'],'grade':['C']}
# Found unknown categories ['C'] in column 0 during transform

# 新的特征
da1 = {'height':['master'],'weather':['C']}
# 正常输出：[[0. 1. 0. 0. 1.]]

# 然而
da1 = {'height':['C'],'weather':['C']}
# Found unknown categories ['C'] in column 0 during transform
# 同前面第二个错误

说明OneHot与特征标签无关，特征按顺序进行OneHot，且与特征值有关。

参考

sklearn.preprocessing.OneHotEncoder (scikit-learn)

修改时间

2022/1/27

这篇好文章是转载于：学新通技术网