离散特征的编码分为两种情况：
1、离散特征的取值之间没有大小的意义，比如color：[red,blue],那么就使用one-hot编码
2、离散特征的取值有大小的意义，比如size:[X,XL,XXL],那么就使用数值的映射{X:1,XL:2,XXL:3}
使用pandas可以很方便的对离散型特征进行one-hot编码
- import pandas as pd
- df = pd.DataFrame([
- ['green', 'M', 10.1, 'class1'],
- ['red', 'L', 13.5, 'class2'],
- ['blue', 'XL', 15.3, 'class1']])
- df.columns = ['color', 'size', 'prize', 'class label']
- size_mapping = {
- 'XL': 3,
- 'L': 2,
- 'M': 1}
- df['size'] = df['size'].map(size_mapping)
- class_mapping = {label:idx for idx,label in enumerate(set(df['class label']))}
- df['class label'] = df['class label'].map(class_mapping)
Using the get_dummies will create a new column for every unique string in a certain column:使用get_dummies进行one-hot编码
- pd.get_dummies(df)
转自：http://blog.csdn.net/lujiandong1/article/details/52836051
