如何用Pandas将Iris数据集目标Series的单值替换为数组实现独热编码？

推荐：标准独热编码方案（适合建模） #

直接用Pandas内置的pd.get_dummies生成独热编码的DataFrame，这是后续机器学习建模最常用的格式，避免把数组存在Series里的麻烦：

import pandas as pd
from sklearn.datasets import load_iris

# 加载数据并拆分目标标签
iris = load_iris()
y = pd.Series(iris.target, name='target')

# 生成独热编码DataFrame，每个类别对应一列
y_onehot = pd.get_dummies(y, prefix='target')

# 如果需要转成numpy数组供模型使用
y_onehot_array = y_onehot.to_numpy()

得到的y_onehot是一个3列的DataFrame，每行对应一个样本的独热编码（比如标签0对应[1,0,0]，标签1对应[0,1,0]等）。

若需将标签替换为数组存储 #

如果你确实需要把Series中的每个标量标签换成对应的数组，可以用map方法（replace不适合处理数组替换，会导致元素对齐错误）：

# 定义标签到数组的映射字典
label_to_array = {
    0: [1, 0, 0],
    1: [0, 1, 0],
    2: [0, 0, 1]
}

# 逐个替换Series中的元素
y_with_arrays = y.map(label_to_array)

此时y_with_arrays的每个元素就是对应的独热编码数组，注意这个Series的类型是object，因为存储的是列表对象，这种格式不适合直接输入模型，仅适合特定的自定义场景。

内容的提问来源于stack exchange，提问作者Micah Bassett