python将分类数据和顺序数据转换为标志变量

• 分类数据：某些数据属性只能归于某一类别的非数值型数据，如性别的男和女，颜色的红、黄、蓝
• 顺序数据：只能归于某一有序类别的非数值型数据，如评价的好、中、差，学历的博士、硕士、学士

标志方法处理分类和顺序数据

将所有分类或顺序数据的值域从一列多值的形态转换为多列**只包含真值（True/False，0/1）**的形态，也称为真值转换。

例如：

• 性别（男、女）标志转换后变为“性别-男”和“性别-女”两列，每列只有0和1两种值
• 评价（好、中、差）标志转换后变为“评价-好”、“评价-中”、“评价-差”三列，每列只有True和False两种值

为什么不能用数字表示不同的值而非要做标志转换？

因为无论用哪些数字来表示不同的值，数字和数字之间本身存在了差异

如分类数据用1表示男，2表示女，1和2之间有了距离为1的差异，但男和女之间并不存在这种差异；

再如顺序数据用3、2、1分别表示好、中、差，但3个数字之间的差异并不能表示出好、中、差之间的差异性

进行标志转换

1. sklearn处理

from sklearn.preprocessing import OneHotEncoder

data
	sex		level	score
0	male	high	1
1	Female	low		2
2	Female	middle	3

# 建立模型规则
model_enc = OneHotEncoder(sparse=False)
# 对数据应用模型规则
model_enc.fit_transform(data)
array([[