如何对数值型分类列执行One Hot Encoding？附DataFrame转换示例

嘿，这个问题太常见了——很多人默认编码只针对字符串分类列，但其实数值型分类列的处理逻辑完全相通，只是它们的存储类型是数字而已。咱们一步步来实现你想要的结果：

第一步：先构造你的原始数据 #

首先咱们把你给出的DataFrame用代码还原出来，方便后续操作：

import pandas as pd

df = pd.DataFrame({
    'year': [2018, 2018, 2019, 2019],
    'hour': [1, 3, 4, 4]
})

第二步：用Pandas快速实现编码 #

Pandas的get_dummies()函数是处理分类编码的利器，不管是字符串还是数值型分类列都能搞定。我们可以分别对year和hour列生成带前缀的独热编码列，再合并到一起：

# 对hour列生成独热编码，指定前缀为"hour"
hour_encoded = pd.get_dummies(df['hour'], prefix='hour')
# 对year列生成独热编码，指定前缀为"year"
year_encoded = pd.get_dummies(df['year'], prefix='year')

# 合并两个编码后的DataFrame
final_df = pd.concat([year_encoded, hour_encoded], axis=1)

运行这段代码后，你会得到这样的结果：

这和你给出的目标输出几乎一致，唯一的区别是year_2019列的第三、四行都是1——推测你给出的目标里第三行的4可能是笔误？如果确实需要第三行year_2019为4、第四行为1，那可能需要额外的自定义规则（比如结合hour的数值或计数），可以再补充说明你的具体需求，我再帮你调整。

第三步：如果是机器学习场景，用Sklearn更稳妥 #

如果你是要为后续的机器学习模型做数据预处理，推荐使用sklearn.preprocessing.OneHotEncoder，它能更好地保证训练集和测试集的编码一致性：

from sklearn.preprocessing import OneHotEncoder

# 初始化编码器，设置输出为密集矩阵，保留特征名
encoder = OneHotEncoder(sparse_output=False, dtype=int, handle_unknown='ignore')
# 对year和hour列进行编码
encoded_data = encoder.fit_transform(df[['year', 'hour']])
# 获取编码后的特征名
feature_names = encoder.get_feature_names_out(['year', 'hour'])
# 转换为DataFrame
final_df_sklearn = pd.DataFrame(encoded_data, columns=feature_names)

这个结果和Pandas方法得到的完全一致。

核心思路总结 #

数值型分类列的编码本质和字符串分类列没有区别——因为它们的核心是分类变量，只是存储形式是数字。只要告诉工具（Pandas或Sklearn）它们是分类属性，就能用和字符串分类列一样的方法处理。

内容的提问来源于stack exchange，提问作者Lucas Mengual