1. pd.get_dummies() #簡單&粗暴

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)
官網文件：
http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.get_dummies.html

輸入：array-like, Series, or DataFrame
輸出：DataFrame
主要引數說明：
data : array-like, Series, or DataFrame
prefix : 給輸出的列新增字首，如prefix="A",輸出的列會顯示類似
prefix_sep : 設定字首跟分類的分隔符sepration，預設是下劃線"_"
一般，我們輸入data就夠了。如果要專門關注Nan這類東東，可設定dummy_na=True，專門生成一列資料。
見下面的栗子：（簡直不要太容易）

1.  
   import numpy as np
    
   import pandas as pd
    
   data = pd.DataFrame({"學號":[1001,1002,1003,1004],
    
   "性別":["男","女","女","男"],
    
   "學歷":["本科","碩士","專科","本科"]})
    
   data
        
   學歷
   
   學號    性別
   0    本科    1001    男
   1    碩士    1002    女
   2    專科    1003    女
   3    本科    1004    男
   pd.get_dummies(data)
    
   
        學號    學歷_專科    學歷_本科    學歷_碩士    性別_女    性別_男
   0    
    
   1001    0    1    0    0    1
   1    1002    0    0    1    1    0
   2    1003    1    0    0    1    0
   3    1004    0    1    0    0    1
    
   
   pd.get_dummies(data,prefix="A")
        學號    A_專科    A_本科    A_碩士    A_女    A_男
   0    1001    0    1    0    0    1
   1    1002    0    0    1    1    0
   2    1003    1    0    0    1    0
   3    1004    0    1    0    0    1
   pd.get_dummies(data,prefix
    
   =["A","B"],prefix_sep="+")
    
   
        學號    A+專科    A+本科    A+碩士    B+女    B+男
   0    1001    0    1    0    0    1
   1    1002    0    0    1    1    0
   2    1003    1    0    0    1    0
   3    1004    0    1    0    0    1

2. sklearn的崽一：LabelEncoder 將不連續的數字or文字進行編號

sklearn.preprocessing.LabelEncoder()
官方文件：
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html

此時只是將文字轉化為了數字編號

 
from sklearn.preprocessing import LabelEncoder
 
le = LabelEncoder()
 
le.fit([1,5,67,100])
 
le.transform([1,1,100,67,5])
 
#輸出： array([0,0,3,2,1])
array([0, 0, 3, 2, 1], dtype=int64)
 
from sklearn import preprocessing
 
le = preprocessing.LabelEncoder()
 
le.fit([1, 3, 3, 7])
 
LabelEncoder()
 
le.transform([1, 1, 3, 7])
 
#array([0, 0, 1, 2]...)
 
le.classes_ #檢視分類
 
#array([1, 2, 6])
 
le.inverse_transform([0, 0, 1, 2]) #transform的逆向
 
#array([1, 1, 2, 6])

array([1, 1, 3, 7])

3. sklearn的崽二：OneHotEncoder 對錶示分類的數字進行編碼，輸出跟dummies一樣

sklearn.preprocessing.OneHotEncoder(n_values=None, categorical_features=None, categories=None, sparse=True, dtype=<class ‘numpy.float64’>, handle_unknown=’error’)
官方文件：
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html
注意：
輸入的應該是表示類別的數字，如果輸入文字，會報錯的。

1.  
   from sklearn.preprocessing import OneHotEncoder
    
   OHE = OneHotEncoder()
    
   OHE.fit(data)

   會報錯，因為只能輸入數字，所以要先用LabelEncoder進行轉化

1.  
   data3 = le.fit_transform(data["性別"])
    
   OHE.fit(data3.reshape(-1,1))
    
   OHE.transform(data3.reshape(-1,1)).toarray()
    
   array([[ 0., 1.],
    
   [ 1., 0.],
    
   [ 1., 0.],
    
   [ 0., 1.]])

對因變數y不能用OneHotEncoder，要用LabelBinarizer。