Series
编码过程
将vec看作为一个变量的4次抽样得到向量:
- 查看该变量可以取几种值 num = len(set(vec)),这里num=3;最终的编码结果用num位表示,这里用3为表示:xxx;
- 变量的不同取值按自然顺序(数字大小,字母先后)进行排序:seq = sorted(set(vec));
- 取每次抽样的取值,放到第二步得到的序列中,看该值在序列的哪一位相同,就将该位设置为1,其余的设置为0.
代码示例
import pandas as pd
if __name__ == '__main__':
# vec = ('c', 'a', 'b', 'a')
vec = list('caba')
s = pd.Series(vec)
print(pd.get_dummies(s))
运行结果
DataFrame
编码过程
将matrix看作3个变量的4次抽样——每列代表一个变量,每行是对3个变量的一次抽样:
- 列举每个变量的抽样的不同取值,将其按自然顺序排序后,按变量出现的次序进行拼接得到序列;
- 遍历矩阵行,行中出现了哪些值,就将上步得到的序列的相应位置记为1,其余位置记为0.
代码示例
import pandas as pd
if __name__ == '__main__':
matrix= [list('abc'), list('bdc'), list('bac'), list('acc')]
df = pd.DataFrame(matrix)
print(pd.get_dummies(df))