利用python sklearn 将类别数据转换成one-hot数据

做数据预处理的时候，经常会遇到需要将类别特征转换成有意义的数值的情况，通过这样使类别数据能够用于后续的分类预测任务。目前应用得最多的就是将其转换成one-hot编码。以下是通过sklearn的方法很方便地实现。

首先读取数据：

housing = pd.read_csv('housing.csv')
housing.head()

 

ocean_proximity 这一列是类别数据，并通过string表示。

首先将其转换成数值

from sklearn.preprocessing import LabelEncoder
encoder = LabelEncoder()  
ocean = encoder.fit_transform(housing['ocean_proximity'].values)  
ocean = np.array([ocean]).T
ocean

因为有5个类别，所以将其映射成了1，2，3，4，5：

然后就可以将其转换成one-hot编码：

from sklearn.preprocessing import OneHotEncoder
enc = OneHotEncoder()
a=enc.fit_transform(ocean)
a=a.toarray()
a

其为一个n*5维度的矩阵：

最后，可以将其和数据里边的其他特征组合在一起：

housing = pd.concat([housing,pd.DataFrame(a)],axis=1)
housing = housing.drop(['ocean_proximity'],axis=1)
housing.head()

ocean_proximity 这一列被成功替换成了one-hot的5列：