Pandas的get_dummies 实例的应用

what

get_dummies是Pandas进行独热编码(One-Hot encode)的函数

上图的左边灰色框(python debug出来的)是python执行下述代码后的结果

dummies_Embarked = pd.get_dummies(data_train['Embarked'],prefix='Embarked')

上图的右边是一个Excel 中的Embarked列，很明显：
get_dummies 函数直白的表示就是把一个属性（Embarked）中不同类别分开并用布尔值表示出来，0(False)表示非这类。
如(上图灰框的第一行可理解为第一个实验对象)：
Embarked_C、Embarked_Q、Embarked_S分别为：0 0 1
表示第一个实验对象属于属性Embarked中的S类

目的：常用于机器学习过程中，把一些类属性（如男的女的）转换成数值属性（0，1）或 (False, True) 便于后续特征的输入

使用说明

def get_dummies(data, prefix=None, dummy_na: bool = False, dtype)

• prefix(前缀):

将列名的前缀换一下，如下：

df = pd.DataFrame({'A': ['a', 'b', 'a'], 'B': ['b', 'a', 'c']})
print(df)
print(pd.get_dummies(df))
print(pd.get_dummies(df, prefix=['col1', 'col2']))

output：
   A  B
0  a  b
1  b  a
2  a  c
     A_a    A_b    B_a    B_b    B_c
0   True  False  False   True  False
1  False   True   True  False  False
2   True  False  False  False   True
   col1_a  col1_b  col2_a  col2_b  col2_c
0    True   False   False    True   False
1   False    True    True   False   False
2    True   False   False   False    True

可以看出就是把 A、B 换成了 col1、col2

• dummy_na:

默认为False, prefixl里面出现Nan直接忽略，设置为True时将多出一列显示Nan
例子：

s = ['a', 'b', np.nan]
print(pd.get_dummies(s))
print(pd.get_dummies(s, dummy_na=True))

output：
       a      b
0   True  False
1  False   True
2  False  False
       a      b    NaN
0   True  False  False
1  False   True  False
2  False  False   True

• dtype ：

输出的 data类型，如下：

s = ['a', 'b']
print(pd.get_dummies(s))
print(pd.get_dummies(s, dtype=float))

       a      b
0   True  False
1  False   True
     a    b
0  1.0  0.0
1  0.0  1.0

扩展：

sklearn里用OneHotEncoder

from sklearn.preprocessing import  OneHotEncoder

# 将标签转换为独热编码
encoder = OneHotEncoder()
Y = encoder.fit_transform(Y.reshape(Y.shape[0], 1))
Y = Y.toarray().T
Y = Y.astype('uint8')

tensorflow的one_hot Encoder

one_hot(indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=None)

该函数的功能主要是转换成one_hot类型的张量输出。

参数功能如下：
　　1）indices中的元素指示on_value的位置，不指示的地方都为off_value。indices可以是向量、矩阵。
　　2）depth表示输出张量的尺寸，indices中元素默认不超过（depth-1），如果超过，输出为[0,0,···,0]
　　3）on_value默认为1
　　4）off_value默认为0
　　5）dtype默认为tf.float32

https://www.cnblogs.com/muzidaitou/p/11262820.html

Pytorch里的one_hot Encoder

import torch

targets = torch.tensor([5, 3, 2, 1])

targets_to_one_hot = torch.nn.functional.one_hot(targets)   # 默认按照targets其中的最大值+1作为one_hot编码的长度
# result: 
# tensor(
# [0, 0, 0, 0, 0, 1],
# [0, 0, 0, 1, 0, 0],
# [0, 0, 1, 0, 0, 0],
# [0, 1, 0, 0, 0, 0]
#)

targets_to_one_hot = torch.nn.functional.one_hot(targets, num_classes=7)  3# 指定one_hot编码长度为7
# result: 
# tensor(
# [0, 0, 0, 0, 0, 1, 0],
# [0, 0, 0, 1, 0, 0, 0],
# [0, 0, 1, 0, 0, 0, 0],
# [0, 1, 0, 0, 0, 0, 0]
#)

https://blog.csdn.net/weixin_44604887/article/details/109523281