[Python中pandas实现独热编码][pd.get_dummies()函数]

快速理解
独热编码前，存在1列x3行的数据：
1列的列名称为： 动物名称
3行中第1行的值为：      猫
3行中第2行的值为：      狗
3行中第3行的值为：      猫
独热编码后，变为2列x3行的数据，第一列是猫，第二列是狗
2列的列名称分别为：猫，狗
3行中第1行的值变为：1，0
3行中第2行的值变为：0，1
3行中第3行的值变为：1，0

选择题
以下关于pandas库中pd.get_dummies()函数说法错误的是：
选项：
A 可以对Dataframe中字段类型是Object的列进行独热编码
B 可以对Dataframe中字段类型是数值型的列进行独热编码
C 一般会使特征的维度数增加
D 在数据预处理阶段可能会用到该函数

问题解析
1.pd.get_dummies()函数：是pandas库中实现独热编码的函数，请看上述快速理解的例子，独热编码的主要思想是将一个分类变量多种取值（A、B、C……）的列，替换多个列（列名为：A、B、C……），每一行的值从原来的A、B、C……变换为0或者1，因为计算机更擅长处理0或1；
2.A,B选项，pd.get_dummies()函数会将Dataframe中字段类型是Object的列独热编码，而字段类型是数值型的列不进行独热编码。pd.get_dummies()函数主要是对具有离散特征的数据进行独热编码，而具有连续类型的数据不进行独热编码，age列和name列的字段类型分别为float64和Object，见图1，所以age列没有进行独热编码，name进行了独热编码，见图2；
3.C选项，独热编码会将一个多值（A、B、C……）的列，替换为多列（列名为：A、B、C……），所以一般会使特征的维度数增加。
4.D选项，数据预处理包括数据清洗、数据集成、数据变换和数据规约四个步骤，独热编码是在数据变换阶段采取的一种方法，所以在数据预处理阶段可能会用到该函数。

答案
本题正确答案为：B

温馨期待
期待大家提出宝贵建议，互相交流，收获更大，助教：qmy

迎大家转发，一起传播知识和正能量，帮助到更多人。期待大家提出宝贵改进建议，互相交流，收获更大。辛苦大家转发时注明出处(也是咱们公益编程交流群的入口网址)，刘经纬老师共享知识相关文件下载地址为：http://liujingwei.cn