分类数据非常有用，几乎出现在每个行业和数据集中。然而，大多数机器学习算法只对数字数据进行操作，因为从根本上讲，计算机只能读取 1 和 0。因此，我们需要一种方法将这种分类数据映射成数字数据，以便可以在这些算法中实现。 One Hot Encoding 是一种无处不在的数据预处理和特征工程技术，解决了这个问题。它还有一个优点就是非常容易理解和实现！
One Hot Encoding 将每个唯一的 categorical 元素转换成自己的二进制向量列，因此得名 One Hot Encoding 。下图更直观地展示了这一过程:
作者图片
从上面我们可以看到，通过将这一列“扩展”成另外三列，三个婚姻状况分类变量被“映射”到一个二元向量。换句话说，给定一个人是单身的训练示例，单身列将包含 1(是)，已婚和离婚列将包含 0(否)。
幸运的是，执行一个热编码非常简单，使用 pandas 库只用一行代码就可以完成。
首先，我们读入数据:
作者图片
这里我们看到一列有三个独特的婚姻状况分类变量。现在是时候对这些数据进行热编码了！幸运的是，在 pandas 中，有一个名为 pd.get_dummies 的方法，它为每个唯一的分类变量创建“虚拟”列，作为二进制向量。这是按如下方式完成的:
作者图片
啊哈！数据现在是一个热编码！这一切只用了一行代码就完成了！
现在我们简单地将(PD . concat)dum 数据帧与“data”数据帧合并，并删除旧的冗余“婚姻状况列”
作者图片
完了！数据已经过热编码，现在可以在您的机器学习模型中实现了！
完整代码可以在我的 GitHub 上找到:
[## Medium-Articles/One Hot encoding . ipynb at main egorhowell/Medium-Articles
github.com](https://github.com/egorhowell/Medium-Articles/blob/main/Data%20Science%20Basics/One%20Hot%20Encoding.ipynb)
- 要在媒体上阅读无限的故事，请务必在此注册！T3💜
- 当我在这里发布注册邮件通知时，可以获得更新！ 😀
- 领英 👔
- 推特 🖊
- github🖥
- 🏅
(所有表情符号由 OpenMoji 设计——开源表情符号和图标项目。许可证: CC BY-SA 4.0