（python基础）遇到的Encoder

任务一：对列进行OneHot编码

方法1：pd.get_dummies

这是pandas自带的将数据转成独热编码的方式，简单，并且好用，可以当做首选，尤其是表格数据的时候。详情可以参考官方文档，也可以简单的参考一下这篇笔记pandas.get_dummies 的用法。

注意： get_dummies转独热编码，是针对离散的字符串的数据，整数的话我发现仍然保留原来的样子。

方法2：OneHotEncoder()
看了好几个博客，说这种方式只能对整数进行编码，字符串不行，但是我今天试了一下，字符串是可以的，官方文档也是说输入是字符串或者整数。

但是要注意，OneHotEncoder的fit_transform()函数接收是二维数组的形式，所以如果是pandas表格的某一列，也需要到时候reshape(-1,1)一下。

方法3：DictVectorizer
实现了 “one-of-K” 或 “one-hot” 编码，用于分类（也称为标称，离散）特征。分类功能是 “属性值” 对，其中该值被限制为不排序的可能性的离散列表（例如主题标识符，对象类型，标签，名称…）。也就是说，其他的整数的这种情况会保留原来的值。

这个fit_transform里面接收的要是一个字典的形式，输出是二维数组。
 

方法4： 这个是附加一个keras.utils.to_categorical
这个也是实现的one-hot编码，不过一般是用于类别，也就是标签的时候，是把类别标签转换为onehot编码（categorical就是类别标签的意思，表示现实世界中你分类的各类别），如果特征想要编码成one-hot，还是不要用这个了吧。
 

方法5：

# for Sex / Gender
data['sex'] = np.where(data['sex'] == 'male', 1, 0)

任务二：对列进行数字映射编码

方法一：map()函数映射

 

这是一种很方便，很快的方式。使用map()函数。（下面是两个例子）

# for Embarked
ordinal_label = {k: i for i, k in enumerate(data['embarked'].unique(), 0)}
data['embarked'] = data['embarked'].map(ordinal_label)

pclass_map = {label:idx for idx, label in enumerate(set(data['Pclass']))}
# 也可以pclass_map = {"low":0, "medium":1, "high":2} 
d1 = data['Pclass'].map(pclass_map)
d1

上面可以发现，如果是用for循环的这种map函数， 编码形式虽然是0，1,2这种数字形式，但是含义已经掩盖掉了。 也就是说0,1，2已经不能说明什么意义了，只是分别代表high,medium,low这三个字符串。所以如果类别少的话，我们最好是自己自定义进行映射，比如上面我注释掉的那个，那个的0， 1， 2还分别代表低，中，高，顺序意义还在。

 

方法二：LabelEncoder()

这个看官方文档，一般是用于类别标签的，如果用于特征的话，默认并不是按照低、中、高这样的顺序进行编码的，也就是说，这个和上面那种for循环定义映射的那个一样，虽然成功的改成了数字，但是意义不在了。

le = LabelEncoder()
d2 = le.fit_transform(data['Pclass'])
d2

所以人家官方文档才把这个函数的作用说成：

使用0到n_classes-1之间的值对目标标签进行编码。该转换器应用于编码目标值，即 y，而不是输入X。

所以这个函数，别乱用到特征的编码。

方法三：OrdinalEncoder()

将分类特征编码为整数数组。
该转换器的输入应为整数或字符串之类的数组，表示分类（离散）特征所采用的值。要素将转换为序数整数。这将导致每个要素的一列整数（0到n_categories-1）。

所以，这个才是真正的用到分类特征上的映射数字编码，并且还会保留原来的顺序。
 

————————————————
版权声明：以上转载自CSDN博主「Miracle8070」的原创文章，原文链接：https://blog.csdn.net/wuzhongqiang/article/details/104169480

————————————————