pandas中实现将object数据转换成one-hot编码

在python数据分析和机器学习过程中，需要将一些已进行分类后的原数据转换成数字的类型，这里就需要一些方法将这些类别转换成one-hot编码，以供计算机进行识别运算。

# 转换方法一：
import pandas as pd
import numpy as np
data = {'animal': ['dog', 'cat', 'bird'], 'age': [1, 2, 1],
			'owner': ['jacky', 'tom', 'terry']}
data = pd.DataFrame(data)
trans_ls = ['animal', 'owner']   # 这里手动选择了，因为age这一行不需要转换
for column in trans_ls:
	type_ls = data[column].unique()
	for i in type_ls:
		i_bool = data[column]==i
		data[i] = i_bool.astype(np.int32)
	data = data.drop(column, axis=1)
print(data)

# 转换方法二：
import pandas as pd
import numpy as np
data = {'animal': ['dog', 'cat', 'bird'], 'age': [1, 2, 1],
			'owner': ['jacky', 'tom', 'terry']}
data = pd.DataFrame(data)
data = pd.get_dummies(data, prefix=['animal', 'owner'])  
#prefix是转换后加追加在列前边的字符串，需和需转换的列长度一致
print(data)
#这个方法较为快速，且智能，对于int，float就默认不转换了
#这里也可以将需要转换的列构造成一个列表，然后使用for循环遍历，用pd.concat()连接在一起

# 转换方法三：
#这里用的是构建一个新的列表，将某一object列转换成one-hot编码
import pandas as pd
data = {'animal': ['dog', 'cat', 'bird'], 'age': [1, 2, 1],
			'owner': ['jacky', 'tom', 'terry']}
data = pd.DataFrame(data)
new_data = pd.crosstab(data['owner'], data['animal'])
print(new_data)

方法较为拙略，还需继续努力。