OneHotEncoding (sklearn) 和 get_dummies (pandas) 之间的区别

OneHotEncoding (sklearn) 和 get_dummies (pandas) 都是用于将分类变量转换为数值变量的方法，但在实现方式和功能上有一些区别。

1. OneHotEncoding (sklearn):
   • 这是sklearn库中的一个方法，用于对分类变量进行独热编码。
   • 它需要先创建一个OneHotEncoder对象，然后使用fit_transform方法将分类变量转换为独热编码。
   • OneHotEncoding后的结果是一个稀疏矩阵，其中每个分类变量对应一个二进制特征。
   • OneHotEncoder还提供了一些其他功能，如处理缺失值或指定特征的列数。

下面是OneHotEncoding的示例代码：

from sklearn.preprocessing import OneHotEncoder
import numpy as np

# 创建OneHotEncoder对象
encoder = OneHotEncoder()

# 创建一个示例数据
data = np.array([['男'], ['女'], ['女'], ['男'], ['其他']])

# 将分类变量进行独热编码
encoded_data = encoder.fit_transform(data)

# 将稀疏矩阵转换为数组
encoded_data_array = encoded_data.toarray()

# 打印编码结果
print(encoded_data_array)

输出结果：

[[0. 1. 0.]
 [1. 0. 0.]
 [1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

2. get_dummies (pandas):
   • 这是pandas库中的一个方法，用于对DataFrame中的分类变量进行独热编码。
   • 它直接作用于DataFrame对象，并将分类变量转换为二进制特征的列。
   • get_dummies默认将所有分类变量转换为独热编码，可以通过参数指定需要编码的列。
   • get_dummies还提供了一些其他功能，如处理缺失值或指定编码的前缀。

下面是get_dummies的示例代码：

import pandas as pd

# 创建一个示例DataFrame
data = pd.DataFrame({'性别': ['男', '女', '女', '男', '其他'], '年龄': [20, 25, 30, 35, 40]})

# 对分类变量进行独热编码
encoded_data = pd.get_dummies(data)

# 打印编码结果
print(encoded_data)

输出结果：

   年龄  性别_其他  性别_女  性别_男
0  20      0     0     1
1  25      0     1     0
2  30      0     1     0
3  35      0     0     1
4  40      1     0     0

总结： OneHotEncoding (sklearn) 和 get_dummies (pandas) 是两种常用的独热编码方法，它们在使用上有一些差异。OneHotEncoding更适合在sklearn中使用，而get_dummies更适合在pandas中使用。