python 分类变量编码_OneHotEncoder只对某些分类变量列进行编码

我认为在这种情况下，你应该坚持pd.get_dummies：>>> data

age seniority gender salary

0 1 junior male 5

1 2 senior female 6

2 3 junior female 7

# One hot encode with get_dummies

data = pd.concat((data,pd.get_dummies(data.seniority)),1)

>>> data

age seniority gender salary junior senior

0 1 junior male 5 1 0

1 2 senior female 6 0 1

2 3 junior female 7 1 0

问题是sklearn的OneHotEncoder需要有一个int数组作为输入。但是在数组data.values中，仍然有gender的字符串表示。如果你想的话，你可以只对优先级值进行一次热编码，但是如果你想知道这些特性的含义，那就不太好了，你必须手动传递列名(这在很多情况下是不可行的)：

^{pr2}$

或者，如果功能名称无关紧要：from sklearn.preprocessing import LabelEncoder

label_encoder = LabelEncoder()

data['seniority'] = label_encoder.fit_transform(data['seniority'])

from sklearn.preprocessing import OneHotEncoder

one_hot_encoder = OneHotEncoder(sparse=False)

data = pd.concat((data,pd.DataFrame(one_hot_encoder.fit_transform(data['seniority'].values.reshape(-1,1)))),1)

age seniority gender salary 0 1

0 1 0 male 5 1.0 0.0

1 2 1 female 6 0.0 1.0

2 3 0 female 7 1.0 0.0

但最终，pd.get_dummies以更好的方式完成了这项工作(IMO)