特征工程：一行代码搞定one-hot编码

本文介绍两种one-hot编码方法。第一种方法针对字符类型的特征变量；第二种方法针对数值型特征。

1.Pandas自带的get_dummies方法

特征工程中，最为繁琐却很重要的一步就是处理字符型特征，对于字符型特征的处理，常用方式就是one-hot编码。

先来看原始数据：

做one-hot编码

df = pd.get_dummies(df)   #get_dummies对“整数特征”无变化，对“类别特征”one-hot编码

处理后的数据：

pandas自动将BusinessTravel和Department做了编码。简单易用。

 

2.自己写的一行代码

连续数值型特征往往要做分桶离散化处理，one-hot同样是常用的处理方式。下面的代码其实是学习Google的机器学习教程时摘抄下来的，简洁实用。

Income_Ranges = zip(range(1000,19000,2000),range(3000,21000,2000))
temp = df[['Attrition','MonthlyIncome']]
for r in Income_Ranges:
    temp['MonthlyIncome_%d_to_%d' % r] = temp['MonthlyIncome'].apply(lambda x: 1.0 if x >= r[0] and x < r[1] else 0.0)

首先定义好各个桶的范围。然后再做one-hot编码。效果如下：

最左边一列是原始的数据，取值范围为1900到20000之间，做完分桶离散处理后，衍生出多个特征，如上图右侧数据所示。

就是这样。