使用Pandas進行獨熱（One-Hot）編碼的理解

Series

編碼過程

將vec看作爲一個變量的4次抽樣得到向量：

1. 查看該變量可以取幾種值 num = len(set(vec))，這裏num=3；最終的編碼結果用num位表示，這裏用3爲表示：xxx；
2. 變量的不同取值按自然順序(數字大小，字母先後)進行排序：seq = sorted(set(vec))；
3. 取每次抽樣的取值，放到第二步得到的序列中，看該值在序列的哪一位相同，就將該位設置爲1，其餘的設置爲0.

代碼示例

import pandas as pd

if __name__ == '__main__':
    # vec = ('c', 'a', 'b', 'a')
    vec = list('caba')
    s = pd.Series(vec)

    print(pd.get_dummies(s))

運行結果

DataFrame

編碼過程

將matrix看作3個變量的4次抽樣——每列代表一個變量，每行是對3個變量的一次抽樣：

1. 列舉每個變量的抽樣的不同取值，將其按自然順序排序後，按變量出現的次序進行拼接得到序列；
2. 遍歷矩陣行，行中出現了哪些值，就將上步得到的序列的相應位置記爲1，其餘位置記爲0.

代碼示例

import pandas as pd

if __name__ == '__main__': 
    matrix= [list('abc'), list('bdc'), list('bac'), list('acc')]
    df = pd.DataFrame(matrix)

    print(pd.get_dummies(df))

運行結果