新能源汽车大数据学习篇 ----- 定类变量数值化方法（字典化编码 == 标签编码）

将定类变量数值化（编码）

#定义函数，将行驶模式（纯电、混动、燃油），档位（自动、倒档、驻车挡）、以及混动车的引擎启动状态信息转换为OneHot信息（定义分类变量）
def one_hot(df):
    r = pd.DataFrame(index=df.index)
    # 行驶模式（纯电、混动、燃油）
    one_hot_runmodel = {1:'runmodel_elec',2:'runmodel_hybrid',3:'runmodel_fuel'}
    for i in one_hot_runmodel:
        r.loc[df.runmodel==i,one_hot_runmodel[i]]=1
        r[one_hot_runmodel[i]]=r[one_hot_runmodel[i]].fillna(0)
    # 档位（自动、倒档、驻车挡）
    one_hot_gear={13:'gear_R',14:'gear_D',15:'gear_P'}
    for i in one_hot_gear:
        r.loc[df.gearnum==i,one_hot_gear[i]]=1
        r[one_hot_gear[i]]=r[one_hot_gear[i]].fillna(0)
    if 'enginestatus' in df.columns:
        r.loc[df.enginestatus==1,'enginestatus']=1
        r['enginestatus']=r['enginestatus'].fillna(0)
    return r

模式提取：

def 编码函数（局部变量df）:
	进行DataFrame化  ----->  only_index = pd.DataFrame(index=df.index)
	对类别变量按照标签进行编码（打标签）----> 字典 = {key1:"类别变量", ......}  注意这种写法！
	for key in 字典:
		对DataFrame中的单元格进行赋值操作 ----> 用 loc函数定位，并完成指定类别下的赋值 --> only_index.loc[行定位,列定位] = 1
		没有的类别用缺失值填充