1.sklearn.preprocessing.OneHotEncoder

class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')

将特征类别编码成 one-hot 数值数组

这个转换器的输入应当是数值型数组或字符串数组（二维的），表示分类（离散）特征所取的值。这些特征被使用 one-hot 策略编码。这将为每个类别创建二进制列。每一列认为是一个 feature。默认情况下，encoder 根据每个特征中的唯一值生成类别。你也可以手动指定类别 categories。针对每个 feature 的二进制列，只有一个位置为1，其余位置都是 0。

我认为，下面的参数和属性是常用的，其余参数没有详细和属性没有详细介绍

handle_unknown	{‘error’, ‘ignore’}, default=’error’ 在转换过程中遇到未知分类特征时，是引发错误还是忽略（默认为引发）。当此参数设置为“ignore”并且在转换过程中遇到未知类别时，这一特征的 `one-hot` 编码列将全置为 0。在逆变换中，未知类别将表示为 `None`
参数	说明

属性	说明
categories_	list of arrays 拟合期间确定的每个特征的类别（按X中特征的顺序，并与转换的输出相对应）。这包括下拉列表中指定的类别（如果有）。

使用前需要先导入

from sklearn.preprocessing import OneHotEncoder

2.例子

2.1.数值型整数

整数
```
encoder = OneHotEncoder()
encoder.fit([[0, 2, 1, 12],[2, 3, 5, 3],[1, 3, 2, 12],[1, 2, 4, 3]
])
encoded_vector = encoder.transform([[2, 3, 5, 3]]).toarray()
print("\n Encoded vector =", encoded_vector)
>> Encoded vector = [[0. 0. 1. 0. 1. 0. 0. 0. 1. 1. 0.]]
```
- 默认情况下，将每一列认为是一个 feature，一列中的每个不同的值，都认为是一个 category
- 第一列中有[0, 1, 2]，三种值，因为需要三位数，我们将第一列编码为
  - 0：[1, 0, 0]
  - 1：[0, 1, 0]
  - 2：[0, 0, 1]
- 第三列中有 [1, 2, 4, 5] 四种值，因此需要四位数，我们将第三列编码为
  - 1：[1, 0, 0, 0]
  - 2：[0, 1, 0, 0]
  - 4：[0, 0, 1, 0]
  - 5：[0, 0, 0, 1]
同时，我们可以查看 encoder 的属性 categories:代表拟合期间确定的每个feature的categories
```
print(encoder.categories_)
[array([0, 1, 2]), array([2, 3]), array([1, 2, 4, 5]), array([ 3, 12])]>>
```
- 根据 categories_ 的输出，和上面的例子可以看到，每个 feature 的 category 是从小到大排列，并进行编码的。每个 feature 中的数在 categories_ 中的位置就是该数编码后，1的位置。

小数：同上面相同，这里证明，也可以针对小数进行编码

encoder = OneHotEncoder()
encoder.fit([[0, 2.1, 1, 12],[1, 3.2, 5, 3],[2, 3.3, 2, 12],[1, 2.1, 4, 3]
])
encoded_vector = encoder.transform([[2, 3.2, 5, 3]]).toarray()
print("\n Encoded vector =", encoded_vector)
>>  Encoded vector = [[0. 0. 1. 0. 1. 0. 0. 0. 0. 1. 1. 0.]]

2.2.字符串型数组

encoder = OneHotEncoder()
encoder.fit([['体育', '军事'],['计科','开心'],['娱乐', '军事']])
encoded_vector = encoder.transform([['计科', '开心']]).toarray()
print("\n Encoded vector =", encoded_vector)
print(encoder.categories_)
>>Encoded vector = [[0. 0. 1. 0. 1.]]
>>[array(['体育', '娱乐', '计科'], dtype=object), array(['军事', '开心'], dtype=object)]

可以看到，字符串型与数值型类似，编码方式也相同

2.3.handle_unknown

默认情况下，handle_unknow = error，当遇到 transform时遇到fit中没有出现过的特征类别时，会直接报错

handle_unknown = ignore

encoder = OneHotEncoder(handle_unknown='ignore')
encoder.fit([['体育', '军事'],['计科','开心'],['娱乐', '军事']])
encoded_vector = encoder.transform([['计科', '难过']]).toarray()
print("\n Encoded vector =", encoded_vector)
print(encoder.categories_)
>>Encoded vector = [[0. 0. 1. 0. 0.]]
>>[array(['体育', '娱乐', '计科'], dtype=object), array(['军事', '开心'], dtype=object)]

可以看到，transform 时遇到了 fit 第二列中没有出现过的 难过，因此，将第二列编码的位置都置为 0。

2.4.反向transform

通过编码，来解码出 feature 对应的类别

encoder = OneHotEncoder(handle_unknown='ignore')
encoder.fit([['体育', '军事'],['计科','开心'],['娱乐', '军事']])
encoded_vector = encoder.transform([['计科', '难过']]).toarray()
print(encoder.inverse_transform([[0, 0, 1, 0, 0]]))
>>[['计科' None]]

可以看到，在handle_unknown='ignore'时，将没见过的编码解码成了 None，默认handle_unknown下，直接报错

encoder = OneHotEncoder(handle_unknown='ignore')
encoder.fit([['体育', '军事'],['计科','开心'],['娱乐', '军事']])
encoded_vector = encoder.transform([['计科', '开心']]).toarray()
print(encoder.inverse_transform([[0, 0, 1, 0, 1]]))
>>[['计科' '开心']]

这是正常情况

OneHotEncoder简单用法相关推荐

反编译工具jad简单用法
反编译工具jad简单用法下载地址: [url]http://58.251.57.206/down1?cid=B99584EFA6154A13E5C0B273C3876BD4CC8CE672& ...
QCustomPlot的简单用法总结
QCustomPlot的简单用法总结第一部分:QCustomPlot的下载与安装第二部分:QCustomPlot在VS2013+QT下的使用 QCustomPlot的简单用法总结写在前面, ...
python matplotlib 简单用法
python matplotlib 简单用法具体内容请参考官网代码 import matplotlib.pyplot as plt import numpy as np # 支持中文 plt.rc ...
Windump网络命令的简单用法
Windump网络命令的简单用法大家都知道,unix系统下有个tcpdump的抓包工具,非常好用,是做troubleshooting的好帮手.其实在windows下也有一个类似的工作,叫windum ...
Android TabLayout(选项卡布局)简单用法实例分析
本文实例讲述了Android TabLayout(选项卡布局)简单用法.分享给大家供大家参考,具体如下: 我们在应用viewpager的时候,经常会使用TabPageIndicator来与其配合.达到 ...
shell expect的简单用法
为什么需要expect? 我们通过Shell可以实现简单的控制流功能,如:循环.判断等.但是对于需要交互的场合则必须通过人工来干预,有时候我们可能会需要实现和交互程序如 telnet服务器等进 ...
Shellz中awk的简单用法
其实shell脚本的功能常常被低估.在实际应用中awk sed 等用法可以为shell提供更为强大的功能.下面我们将一下awk调用的简单方法进行了总结.方便同学们学习: awk的简单用法: 第一种调用 ...
python装饰器实例-Python装饰器原理与简单用法实例分析
本文实例讲述了Python装饰器原理与简单用法.分享给大家供大家参考,具体如下: 今天整理装饰器,内嵌的装饰器.让装饰器带参数等多种形式,非常复杂,让人头疼不已.但是突然间发现了装饰器的奥秘,原来如此 ...
python装饰器实例-Python装饰器简单用法实例小结
本文总结分析了Python装饰器简单用法.分享给大家供大家参考,具体如下: 装饰器在python中扮演着很重要的作用,例如插入日志等,装饰器可以为添加额外的功能同时又不影响业务函数的功能. 比如,运行 ...
【Android 应用开发】Google 官方 EasyPermissions 权限申请库 ( 最简单用法 | 一行代码搞定权限申请 | 推荐用法 )
文章目录一.添加依赖二.在 AndroidManifest.xml 中配置权限三.权限申请最简单用法四.推荐使用的用法五.GitHub 地址上一篇博客 [Android 应用开发]Goog ...

OneHotEncoder简单用法

文章目录