from sklearn import preprocessing
enc = preprocessing.onehotencoder()
enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]]) # fit來學習編碼
enc.transform([[0, 1, 3]]).toarray() # 進行編碼
解釋：再來看要進行編碼的引數[0 , 1, 3]， 0作為第乙個特徵編碼為10, 1作為第二個特徵編碼為010， 3作為第三個特徵編碼為0001. 故此編碼結果為1 0 0 1 0 0 0 0 1
優點：使用one-hot編碼，將離散特徵的取值擴充套件到了歐式空間，離散特徵的某個取值就對應歐式空間的某個點。將離散型特徵使用one-hot編碼，會讓特徵之間的距離計算更加合理。離散特徵進行one-hot編碼後，編碼後的特徵，其實每一維度的特徵都可以看做是連續的特徵。就可以跟對連續型特徵的歸一化方法一樣，對每一維特徵進行歸一化。比如歸一化到[-1,1]或歸一化到均值為0,方差為1。
缺點：當類別的數量很多時，特徵空間會變得非常大。在這種情況下，一般可以用pca來減少維度。而且one hot encoding+pca這種組合在實際中也非常有用。
適用場景：tree model不太需要one-hot編碼： 對於決策樹來說，one-hot的本質是增加樹的深度。基於距離的近鄰需要，如knn
使用：enc.fit(df['column1','column2',...])
enc.transform(df['column1','column2',...])
即可把df的column1和column2變成獨熱編碼（假如是性別列：則男變成（1,0）女變成（0,1））
# coding:utf-8
from sklearn import preprocessing
le = preprocessing.labelencoder()
le.fit(["japan", "china", "japan", "korea","china"])
print('標籤個數:%s' % le.classes_)
print('標籤值標準化:%s' % le.transform(["japan", "china", "japan", "korea","china"]))
print('標準化標籤值反**%s' % le.inverse_transform([0, 2 ,0 ,1 ,2]))
# 標籤個數:['japan' 'korea' 'china']
# 標籤值標準化:[0 2 0 1 2]
# 標準化標籤值反**['japan' 'china' 'japan' 'korea' 'china']
pandas中dict和dataFrame互轉
pd.dataframe dict a 使用df.to dict 缺省會把key和值分開 引數 dict 預設 list series split records index 如果是list dict 這種巢狀情況轉的df，迴轉需要使用records 拿上面的資料舉例，df b a b c 0 0 ...
pandas的資料結構之DataFrame
dataframe是乙個 型的資料結構，它含有一組有序的列，每列可以是不同資料型別的資料。dataframe既有行索引也有列索引，可以將它看作為乙個由series組成的字典 共用同乙個索引 dataframe中的資料是以乙個或多個二維塊儲存的，而不是列表 字典或別的一維資料結構。a 通過字典建立，字...
pandas 把字典轉換成DataFrame
把dictd 轉換成dataframe，首先，dataframe的語法格式應為 import pandas as pd df pd.dataframe a 是columns，對應的是list12 輸出 a 0 012 但是如果是 df pd.dataframe 直接輸入dict 1會報錯 value...