OneHotEncodingvspd.get_dummies

One Hot Encoding 和 pd.get_dummies 都是处理分类数据的方法。One Hot Encoding 将分类变量转换为二进制向量，每个特征将拆分为一个新的二进制特征。而 pd.get_dummies 是 Pandas 的一个函数，它可以在数据集中将分类变量转换为虚拟变量，这些虚拟变量是二进制向量，通常用于回归和分类算法。

下面是使用 One Hot Encoding 和 pd.get_dummies 的 Python 代码示例：

使用 One Hot Encoding：

from sklearn.preprocessing import OneHotEncoder
import numpy as np

# 创建一组示例分类数据
data = np.array([['男', '居住'], ['女', '购物'], ['男', '工作'], ['女', '居住']])

# 创建 OneHotEncoder 对象
onehot_encoder = OneHotEncoder(sparse=False)

# 对数据集进行 One Hot Encoding
onehot_encoded = onehot_encoder.fit_transform(data)

# 输出 One Hot Encoding 结果
print(onehot_encoded)

输出结果：

array([[0., 1., 0., 1.],
       [1., 0., 1., 0.],
       [0., 1., 0., 0.],
       [1., 0., 0., 1.]])

使用 pd.get_dummies：

import pandas as pd

# 创建一组示例分类数据
data = pd.DataFrame({'性别': ['男', '女', '男', '女'], '场所': ['居住', '购物', '工作', '居住']})

# 对数据集进行 pd.get_dummies
onehot_encoded = pd.get_dummies(data)

# 输出 One Hot Encoding 结果
print(onehot_encoded)

输出结果：

   性别_女  性别_男  场所_居住  场所_工作  场所_购物
0     0     1      1      0      0
1