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.Data ([
['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}

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)

以上这篇pandas使用get_dummies进行one-hot编码的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
继续阅读与本文标签相同的文章
上一篇 :
数据与智能融合,新赛道的投资机会如何判断?
下一篇 :
美国头部广告巨头是如何投放在线广告的?
-
禾迈总经理杨波:技术研发是公司的“护城河”
2026-05-15栏目: 教程
-
目标1000万部!谷歌暂停安卓系统开放后,或与华为竞争欧洲市场?
2026-05-15栏目: 教程
-
矿山整体解决方案,多“采”多“资”
2026-05-15栏目: 教程
-
扫地机器人有必要买来清扫卫生吗?
2026-05-15栏目: 教程
-
一种让人工智能轻松解析视频的方法
2026-05-15栏目: 教程
