特征工程—数据哑变量（独热编码）

哑变量=独热编码=稀疏矩阵

分类特征变量分为：名义变量，有序变量，有距变量

名义变量：如门A,B,C，指数据之间毫无关联性

有序变量：如小学，中学，大学，学历有高低，但不能相互计算

有距变量：如分数，体重，费用等，可以通过计算得出

对于有序变量可以使用编码进行处理，对于名义变量可以使用哑变量进行处理

sklearn中使用OneHotEncoder模块进行哑变量：

代码如下：

from sklearn.preprocessing import OneHotEncoder
x = data1.iloc[:,2:3]
one = OneHotEncoder(categories="auto")   #categories使用auto进行自动特征查找
re = one.fit_transform(x)
res = re.toarray()   #使用toarray转换查看

pd.DataFrame(res)

上述对性别进行哑变量

one.inverse_transform(re)  #逆转

one.get_feature_names()   #查看编码后的特征

 使用concat方法添加到原数据

newdata = pd.concat([data2,pd.DataFrame(res)],axis = 1)  #将哑变量追加到原数据