如何基于自定义条件实现两分类One Hot编码

这类带自定义阈值的One Hot编码不需要修改常规编码逻辑，只需要前置一步条件映射，把原始值先归到目标的2个分类中，再做编码即可，以下是几种常用实现方式：

• 原生Python无依赖实现
  不需要安装第三方库，直接遍历序列按规则生成编码：

  # 待编码原始序列
  raw_data = [1, 2, 3, 5]
  encoded_result = []
  for value in raw_data:
      if value < 3:
          encoded_result.append([1, 0])
      else:
          encoded_result.append([0, 1])
  
  print(encoded_result)
  # 输出结果：[[1, 0], [1, 0], [0, 1], [0, 1]]
  

• NumPy向量化实现（适合大规模数据）
  面向数组操作，运行效率远高于原生循环，适合处理大批量数值序列：

  import numpy as np
  
  raw_data = np.array([1, 2, 3, 5])
  # 初始化shape为(样本数, 2)的全0编码矩阵
  encoded_result = np.zeros((len(raw_data), 2), dtype=int)
  # 生成阈值掩码
  less_than_3_mask = raw_data < 3
  # 按掩码给对应位置赋值
  encoded_result[less_than_3_mask, 0] = 1
  encoded_result[~less_than_3_mask, 1] = 1
  
  print(encoded_result)
  # 输出结果：
  # [[1 0]
  #  [1 0]
  #  [0 1]
  #  [0 1]]
  

• Scikit-learn流水线适配实现
  如果需要接入现有sklearn特征处理流水线，可以先做二值标签映射，再调用标准One Hot编码组件：

  import numpy as np
  from sklearn.preprocessing import OneHotEncoder
  
  raw_data = np.array([1, 2, 3, 5]).reshape(-1, 1)
  # 第一步：按自定义规则把原始值映射为0、1两类标签
  binary_labels = np.where(raw_data < 3, 0, 1)
  # 第二步：调用常规OneHotEncoder完成编码
  encoder = OneHotEncoder(sparse_output=False, dtype=int)
  encoded_result = encoder.fit_transform(binary_labels)
  
  print(encoded_result)
  # 输出结果：
  # [[1 0]
  #  [1 0]
  #  [0 1]
  #  [0 1]]
  

核心思路提示：所有自定义规则的定长One Hot编码，都可以拆解为「自定义规则映射离散标签」+「标准One Hot编码」两个步骤，不需要重构原有编码逻辑，只需要根据业务规则调整第一步的映射规则即可。

内容的提问来源于stack exchange，提问作者cocojambo