Python中的编码转换——onehot与lableEncoder编码

• one-hot编码

　　One-Hot 编码是分类变量作为二进制向量的表示。首先要求将分类值映射到整数值。然后，每个整数值被表示为二进制向量。

　　OneHot 编码要求每个类别之间相互独立，如果之间存在某种连续型的关系。显然会影响特征相关性。

　　编码转换：

　　方法一：  pd.get_dummies(df)  

                             

　　方法二：使用 OneHotEncoder（） 

from sklearn.preprocessing import OneHotEncoder

#将值变为数组形式，这样才能进行处理
values = df['class'].values
# 注意 OneHotEncoder(sparse=False)，不然返回的就是索引值的形式
onehot_encoder = OneHotEncoder(sparse=False)
values = values.reshape(len(values), 1) #这一步很有必要，不然会报错
onehot_encoded = onehot_encoder.fit_transform(values)
print(onehot_encoded)

                          

#把onehot编码换成lable型编码

int_endode = np.argmax(onehot_encoded, axis=1)
print(int_endode)

>>>[0 1 0 2]

• LabelEncoder编码

　　不将类别变量作为二进制表达，将类别型进行排序并赋值。

　　编码转换：

from sklearn.preprocessing import LabelEncoder 
df['class'] = LabelEncoder().fit_transform(df['class'])

                              

#把lable型编码换成onehot型
import keras

encoded = keras.utils.to_categorical(df['class'])
print(encoded)