??本文介紹基于Python下OneHotEncoder與pd.get_dummies兩種方法，實作機器學習中最優的編碼方法——獨熱編碼的方法，
- 1 OneHotEncoder
- 2 pd.get_dummies
??在資料處理與分析領域，對數值型與字符型類別變數加以編碼是不可或缺的預處理操作；這里介紹兩種不同的方法，
1 OneHotEncoder
??首先匯入必要的模塊，
import pandas as pd
from sklearn.preprocessing import OneHotEncoder
??其中，OneHotEncoder是我們實作獨熱編碼的關鍵模塊，
??接下來，匯入并顯示資料前五行，
test_data_1=pd.read_csv('G:/CropYield/03_DL/00_Data/onehot_test.csv',names=['EVI0610','EVI0626','SoilType'],header=0)
test_data_1.head(5)
??關于這里匯入資料代碼的解釋，大家可以查看多變數兩兩相互關系聯合分布圖的Python繪制與Python TensorFlow深度學習回歸代碼：DNNRegressor這兩篇文章，這里就不再贅述啦~
??資料前五行展示如下圖，其中，前兩列'EVI0610'與'EVI0626'為數值型連續變數，而'SoilType'為數值型類別變數，我們要做的，也就是將第三列'SoilType'進行獨熱編碼，
??接下來，進行獨熱編碼的配置，
ohe=OneHotEncoder(handle_unknown='ignore')
ohe.fit(test_data_1)
??在這里，第一行是對獨熱編碼的配置，第二行則是對我們剛付訓入的資料進行獨熱編碼處理，得到一個獨熱編碼配置的輸出結果，
??接下來，看看獨熱編碼處理后，將我們的資料分成了哪些類別，
ohe.categories_
??得到結果如下圖，
??可以發現，一共有三個array，為什么呢？仔細看可以發現，獨熱編碼是將我們匯入的三列資料全部都當作類別變數來處理了，之所以會這樣，是因為我們在一開始沒有表明哪一列是類別變數，需要進行獨熱編碼；而哪一列不是類別變數，從而不需要進行獨熱編碼，
??那么，我們如何實作上述需求，告訴程式我們要對哪一行進行獨熱編碼呢？在老版本的sklearn中，我們可以借助categorical_features=[x]引數來實作這一功能，但是新版本sklearn取消了這一引數，那么此時，一方面，我們可以借助ColumnTransformer來實作這一程序，另一方面，我們可以直接對需要進行轉換的列加以處理，后者相對較為容易理解，因此本文對后者進行講解，
??我們將test_data_1中的'SoilType'列作為索引，從而僅僅對該列資料加以獨熱編碼，
ohe_column=pd.DataFrame(ohe.fit_transform(test_data_1[['SoilType']]).toarray())
ohe_column.head(5)
??其中，[['SoilType']]表示僅僅對這一列進行處理，得到結果如下圖，
??可以看到，原來的'SoilType'列現在成為了63列的編碼列，那么這樣的話，說明我們原先的'SoilType'應該一共是有63個不同的數值，是不是這個樣子呢？我們來檢查一下，
count=pd.DataFrame(test_data_1['SoilType'].value_counts())
print(count)
??得到結果如下，
??好的，沒有問題：可以看到此結果共有63行，也就是'SoilType'列原本是有63個不同的值的，證明我們的獨熱編碼沒有出錯，
??此時看一下我們的test_data_1資料目前長什么樣子，
test_data_1.head(5)
??是的，我們僅僅對'SoilType'列做了處理，沒有影響到整個初始資料，那么先將原本的'SoilType'列剔除掉，
test_data_1=test_data_1.drop(['SoilType'],axis=1)
test_data_1.head(5)
??再將經過獨熱編碼處理后的63列加上，
test_data_1.join(ohe_column)
??大功告成！
??但是這里還有一個問題，我們經過獨熱編碼所得的列名稱是以數字來命名的，非常不方便，因此，有沒有什么辦法可以在獨熱編碼進行的同時，自動對新生成的列加以重命名呢？
2 pd.get_dummies
??pd.get_dummies是一個最好的辦法！其具體用法與上述OneHotEncoder類似，因此具體程序就不再贅述啦，大家看代碼就可以明白，
??首先還是匯入與上述內容中一致的初始資料，
test_data_2=pd.read_csv('G:/CropYield/03_DL/00_Data/onehot_test.csv',names=['EVI0610','EVI0626','SoilType'],header=0)
test_data_2.head(5)
??進行獨熱編碼并看看結果，
test_data_2_ohe=pd.get_dummies(test_data_2,columns=['SoilType'])
test_data_2_ohe.head(5)
??最終結果中，列名稱可以說是非常醒目，同時，共有65列資料，自動洗掉了原本的'SoilType'列，實作了“獨熱編碼”“新列重命名”與“原始列洗掉”，可謂一舉三得，簡直是太方便啦~
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/543973.html
標籤：Python
上一篇：【爬蟲+資料清洗+可視化分析】輿情分析嗶哩嗶哩"狂飆"的評論
下一篇：1.8 習題