在分類和聚類運算中我們經常計算兩個個體之間的距離，對於連續的數字（Numric）這一點不成問題，但是對於名詞性（Norminal）的類別，計算距離很難。即使將類別與數字對應，例如{‘A’，‘B’，‘C’}與[0,1,2]對應，我們也不能認為A與B，B與C距離為1，而A與C距離為2。獨熱編碼正是為了處理這種距離的度量，該方法認為每個類別之間的距離是一樣的。該方法將類別與向量對應，例如{‘A’，‘B’，‘C’}分別與[1,0,0],[0,1,0],[0,0,1]對應，註意現在各個類別之間的歐式距離是相同的。

現在我們說明OneHotEncoder函數的使用

1 data=np.array([[1,0,3.25],
 
2                [0,0,5.2],
3                [2,1,3.6]])
4 enc=OneHotEncoder(categorical_features=np.array([0,1]),n_values=[3,2])
5 enc.fit(data)
6 data=enc.transform(data).toarray()
7 print(data)

運行結果為

[[ 0.    1.    0.    1.    0.    3.25]
 [ 1.    0.    0.    1.    0.    5.2 ]
 [ 0.    0.    1.    0.    1.    3.6 ]]

　　categorical_features是需要獨熱編碼的列索引，n_values是對應categorical_features中各列下類別的數目，也就是原來的列拓展出新的列數。註意這裏兩個值可以不指定，直接使用fit_transform函數也可以，程序將統計各列中類別的多少。但是只對整數有效，對浮點數會轉換為整數之後再統計，也就是對於3.5和3.6默認都是3，也就是同一類。如果指定了這兩個參數，就要對未轉換的數據提出要求，各列必須是以{0,1,2,3,4......}來編碼，而不能以{1,10,100,200.........}這種隨意的方式來編碼。否則會出現數組越界的錯誤

獨熱編碼OneHotEncoder簡介