在數(shù)據(jù)處理與分析領(lǐng)域，對數(shù)值型與字符型類別變量加以編碼是不可或缺的預處理操作；這里介紹兩種不同的方法。

1 OneHotEncoder

首先導入必要的模塊。

import pandas as pd
from sklearn.preprocessing import OneHotEncoder

其中，OneHotEncoder是我們實現(xiàn)獨熱編碼的關(guān)鍵模塊。

接下來，導入并顯示數(shù)據(jù)前五行。

test_data_1=pd.read_csv('G:/CropYield/03_DL/00_Data/onehot_test.csv',names=['EVI0610','EVI0626','SoilType'],header=0)
test_data_1.head(5)

關(guān)于這里導入數(shù)據(jù)代碼的解釋，大家可以查看多變量兩兩相互關(guān)系聯(lián)合分布圖的Python繪制與Python TensorFlow深度學習回歸代碼：DNNRegressor這兩篇文章，這里就不再贅述啦~

數(shù)據(jù)前五行展示如下圖。其中，前兩列'EVI0610'與'EVI0626'為數(shù)值型連續(xù)變量，而'SoilType'為數(shù)值型類別變量。我們要做的，也就是將第三列'SoilType'進行獨熱編碼。

接下來，進行獨熱編碼的配置。

ohe=OneHotEncoder(handle_unknown='ignore')
ohe.fit(test_data_1)

在這里，第一行是對獨熱編碼的配置，第二行則是對我們剛剛導入的數(shù)據(jù)進行獨熱編碼處理。得到一個獨熱編碼配置的輸出結(jié)果。

接下來，看看獨熱編碼處理后，將我們的數(shù)據(jù)分成了哪些類別。

ohe.categories_

得到結(jié)果如下圖。

可以發(fā)現(xiàn)，一共有三個array，為什么呢？仔細看可以發(fā)現(xiàn)，獨熱編碼是將我們導入的三列數(shù)據(jù)全部都當作類別變量來處理了。之所以會這樣，是因為我們在一開始沒有表明哪一列是類別變量，需要進行獨熱編碼；而哪一列不是類別變量，從而不需要進行獨熱編碼。

那么，我們?nèi)绾螌崿F(xiàn)上述需求，告訴程序我們要對哪一行進行獨熱編碼呢？在老版本的sklearn中，我們可以借助categorical_features=[x]參數(shù)來實現(xiàn)這一功能，但是新版本sklearn取消了這一參數(shù)。那么此時，一方面，我們可以借助ColumnTransformer來實現(xiàn)這一過程，另一方面，我們可以直接對需要進行轉(zhuǎn)換的列加以處理。后者相對較為容易理解，因此本文對后者進行講解。

我們將test_data_1中的'SoilType'列作為索引，從而僅僅對該列數(shù)據(jù)加以獨熱編碼。

ohe_column=pd.DataFrame(ohe.fit_transform(test_data_1[['SoilType']]).toarray())
ohe_column.head(5)

其中，[['SoilType']]表示僅僅對這一列進行處理。得到結(jié)果如下圖。

可以看到，原來的'SoilType'列現(xiàn)在成為了63列的編碼列，那么這樣的話，說明我們原先的'SoilType'應(yīng)該一共是有63個不同的數(shù)值。是不是這個樣子呢？我們來檢查一下。

count=pd.DataFrame(test_data_1['SoilType'].value_counts())
print(count)

得到結(jié)果如下。

好的，沒有問題：可以看到此結(jié)果共有63行，也就是'SoilType'列原本是有63個不同的值的，證明我們的獨熱編碼沒有出錯。

此時看一下我們的test_data_1數(shù)據(jù)目前長什么樣子。

test_data_1.head(5)

是的，我們僅僅對'SoilType'列做了處理，沒有影響到整個初始數(shù)據(jù)。那么先將原本的'SoilType'列剔除掉。

test_data_1=test_data_1.drop(['SoilType'],axis=1)
test_data_1.head(5)

再將經(jīng)過獨熱編碼處理后的63列加上。

test_data_1.join(ohe_column)

大功告成！

但是這里還有一個問題，我們經(jīng)過獨熱編碼所得的列名稱是以數(shù)字來命名的，非常不方便。因此，有沒有什么辦法可以在獨熱編碼進行的同時，自動對新生成的列加以重命名呢？

2 pd.get_dummies

pd.get_dummies是一個最好的辦法！其具體用法與上述OneHotEncoder類似，因此具體過程就不再贅述啦，大家看代碼就可以明白。

首先還是導入與上述內(nèi)容中一致的初始數(shù)據(jù)。

test_data_2=pd.read_csv('G:/CropYield/03_DL/00_Data/onehot_test.csv',names=['EVI0610','EVI0626','SoilType'],header=0)
test_data_2.head(5)

進行獨熱編碼并看看結(jié)果。

test_data_2_ohe=pd.get_dummies(test_data_2,columns=['SoilType'])
test_data_2_ohe.head(5)

最終結(jié)果中，列名稱可以說是非常醒目，同時，共有65列數(shù)據(jù)，自動刪除了原本的'SoilType'列，實現(xiàn)了“獨熱編碼”“新列重命名”與“原始列刪除”，可謂一舉三得，簡直是太方便啦~

到此這篇關(guān)于Python實現(xiàn)類別變量的獨熱編碼的文章就介紹到這了,更多相關(guān)Python獨熱編碼內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論