159 lines
5.0 KiB
Markdown
159 lines
5.0 KiB
Markdown
|
# Python 中的一种热门编码——一种实用方法
|
|||
|
|
|
|||
|
|
> 原文：<https://www.askpython.com/python/examples/one-hot-encoding>
|
|||
|
|
|
|||
|
|
读者朋友们，你们好！在本文中，我们将关注 Python 中 **One hot encoding** 的实际实现。
|
|||
|
|
|
|||
|
|
所以，让我们开始吧！
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
## 一、什么是 one 热编码？
|
|||
|
|
|
|||
|
|
在深入研究一键编码的概念之前，让我们了解一些先决条件。
|
|||
|
|
|
|||
|
|
变量分为两个主要部分
|
|||
|
|
|
|||
|
|
1. **连续变量**:这些是描述数值变量的变量。示例:[1，2，3，4，5，6…..100]
|
|||
|
|
2. **分类变量**:这些变量描述了数据值中的类别或组。例子:[苹果，芒果，浆果]
|
|||
|
|
|
|||
|
|
在数据集中，我们会遇到包含分组形式的分类数据的数据，例如[苹果、浆果、芒果]。为了将每一类数据表示为一个独立的实体，我们使用了编码技术。
|
|||
|
|
|
|||
|
|
最常用的编码技术包括
|
|||
|
|
|
|||
|
|
* **[虚拟变量](https://www.askpython.com/python/examples/creating-dummy-variables)**
|
|||
|
|
* **标签编码**
|
|||
|
|
* **一个热编码**等。
|
|||
|
|
|
|||
|
|
今天，让我们来讨论一个热门的编码。
|
|||
|
|
|
|||
|
|
**一个热编码以二进制向量的形式表示分类数据。**
|
|||
|
|
|
|||
|
|
现在，您可能会想到一个问题，当它以二进制向量格式表示类别时，它何时将数据转换为 0 和 1，即整数？
|
|||
|
|
|
|||
|
|
在一种热编码方案中，在将其应用于数据之前，我们需要将分类数据值映射到整数数据值。这是借助标签编码完成的。
|
|||
|
|
|
|||
|
|
不要担心，我们将在后面的章节中讨论标签编码的实际实现。
|
|||
|
|
|
|||
|
|
因此，通过一次热编码，每个类别的数据值将被分配一个整数值，并被映射到二进制向量。
|
|||
|
|
|
|||
|
|
因此，映射到整数值的每个数据值将被表示为二进制向量，其中，除了被标记为 1 的整数(类别)的索引值之外，向量中的所有值都为零。
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
## 一个热编码实现示例
|
|||
|
|
|
|||
|
|
将包含分类数据的数据集视为[苹果和浆果]。应用标签编码后，假设它会将 apple 指定为“0”，将 berry 指定为“1”。
|
|||
|
|
|
|||
|
|
此外，在应用独热编码时，它将创建长度为 2 的二进制向量。这里，编码为“0”的标签“苹果”将具有二进制向量[1，0]。
|
|||
|
|
|
|||
|
|
这是因为值 1 将被放置在编码的索引处，对于 apple 来说，该索引为零(如其标签编码所示)。
|
|||
|
|
|
|||
|
|
因此，[苹果，浆果，浆果]将被编码为:
|
|||
|
|
|
|||
|
|
[1，0]
|
|||
|
|
【0，1】
|
|||
|
|
【0，1】
|
|||
|
|
|
|||
|
|
现在让我们通过例子来实现这个概念。
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
### 示例 1:分组分类数据的热编码
|
|||
|
|
|
|||
|
|
看看下面的例子！我们已经用一个热编码对水果进行了编码。
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
from sklearn.preprocessing import LabelEncoder
|
|||
|
|
from sklearn.preprocessing import OneHotEncoder
|
|||
|
|
|
|||
|
|
cat_data = ["apple", "mango", "apple", "berry", "mango", "apple", "berry", "apple"]
|
|||
|
|
|
|||
|
|
label = LabelEncoder()
|
|||
|
|
int_data = label.fit_transform(cat_data)
|
|||
|
|
int_data = int_data.reshape(len(int_data), 1)
|
|||
|
|
|
|||
|
|
onehot_data = OneHotEncoder(sparse=False)
|
|||
|
|
onehot_data = onehot_data.fit_transform(int_data)
|
|||
|
|
print("Categorical data encoded into integer values....\n")
|
|||
|
|
print(onehot_data)
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**输出:**
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
Categorical data encoded into integer values....
|
|||
|
|
|
|||
|
|
[[1\. 0\. 0.]
|
|||
|
|
[0\. 0\. 1.]
|
|||
|
|
[1\. 0\. 0.]
|
|||
|
|
[0\. 1\. 0.]
|
|||
|
|
[0\. 0\. 1.]
|
|||
|
|
[1\. 0\. 0.]
|
|||
|
|
[0\. 1\. 0.]
|
|||
|
|
[1\. 0\. 0.]]
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**说明:**
|
|||
|
|
|
|||
|
|
1. 加载完数据后，我们创建了一个对象`LabelEncoder()`,将分类数据编码成整数值。
|
|||
|
|
2. 此外，我们将把相同的整数数据传递给`OneHotEncoder()`以将整数值编码成类别的二进制向量。
|
|||
|
|
3. `fit_transform()`函数应用要对数据或一组值执行的特定函数。
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
### 示例 2:数据集上的一个热编码
|
|||
|
|
|
|||
|
|
在本例中，我们将一个数据集拉入 Python 环境。你可以找到下面的数据集供你参考。
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
**Onehot Encode Dataset**
|
|||
|
|
|
|||
|
|
此外，我们使用了`ColumnTransformer()`函数来创建一个对象，该对象将类别 0 表示为 N 个类别中的第一列。
|
|||
|
|
|
|||
|
|
最后，我们将它应用于要编码成二进制[数组](https://www.askpython.com/python/array/python-array-declaration)形式的整个分类数据。
|
|||
|
|
|
|||
|
|
让我们导入[熊猫](https://www.askpython.com/python-modules/pandas/python-pandas-module-tutorial)和[熊猫](https://www.askpython.com/python-modules/numpy/python-numpy-module)库。
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
import pandas
|
|||
|
|
import numpy
|
|||
|
|
from sklearn.preprocessing import OneHotEncoder
|
|||
|
|
from sklearn.compose import ColumnTransformer
|
|||
|
|
|
|||
|
|
cat_data = pandas.read_csv("bank-loan.csv")
|
|||
|
|
#print(cat_data)
|
|||
|
|
|
|||
|
|
column_set = ColumnTransformer([('encoder', OneHotEncoder(),[0])], remainder='passthrough')
|
|||
|
|
|
|||
|
|
onehot_data = numpy.array(column_set.fit_transform(cat_data), dtype = numpy.str)
|
|||
|
|
|
|||
|
|
print(onehot_data)
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**输出:**
|
|||
|
|
|
|||
|
|
所以，你看，数据现在包含两列:第一列描述第 0 类，第二列描述第 1 类。
|
|||
|
|
|
|||
|
|
```py
|
|||
|
|
[['0.0' '1.0']
|
|||
|
|
['1.0' '0.0']
|
|||
|
|
['1.0' '0.0']
|
|||
|
|
...
|
|||
|
|
['1.0' '0.0']
|
|||
|
|
['1.0' '0.0']
|
|||
|
|
['1.0' '0.0']]
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
* * *
|
|||
|
|
|
|||
|
|
## 结论
|
|||
|
|
|
|||
|
|
到此，我们就结束了这个话题。如果你遇到任何问题，欢迎在下面评论。在那之前，请继续关注并快乐学习！！🙂
|
|||
|
|
|
|||
|
|
* * *
|