如何最好使用代码示例对特征进行热编码

【问题标题】：How to hot encode features preferably with a code example如何最好使用代码示例对特征进行热编码
【发布时间】：2017-09-05 22:42:09
【问题描述】：

我有一个这样的数据框
代码 |类型
0001 |一个
0001 |乙
0001 | C
0002 |一个
0003 |乙
....

并需要将其转换为以下
代码 |类型_A | TYPE_B | TYPE_C
0001 | 1 | 1 | 1
0002 | 1 | 0 | 0
0003 | 0 | 1 | 0

提前谢谢你

【问题讨论】：

标签： python pyspark analytics data-science

【解决方案1】：

您可以使用 pandas 的 get_dummies 函数。虚拟变量只是热编码的另一种说法。

import pandas as pd
df = pd.DataFrame({'CODE': ['0001', '0001', '0001', '0002','0003'], 
                   'TYPE': ['A', 'B', 'C', 'A', 'B']})
pd.get_dummies(df, columns=['TYPE'])

columns 参数可让您指定要单热编码的列。

这将给出：

   CODE  TYPE_A  TYPE_B  TYPE_C
0  0001       1       0       0
1  0001       0       1       0
2  0001       0       0       1
3  0002       1       0       0
4  0003       0       1       0

【讨论】：

查看更新的答案，您可以添加columns 参数