• sklearn.preprocessing 下除了提供 OneHotEncoder 還提供 LabelEncoder（簡單地將 categorical labels 轉換為不同的數字）；

1. 簡單區別

• sklearn.preprocessing 下的 OneHotEncoder 不可以直接處理 string，如果資料集中的某些特徵是 string 型別的話，需要首先將其轉換為 integers 型別；

  • 在新版本中 sklearn 中，OneHotEncoder 例項的 fit 方法將不再接收 1 維陣列，而必須是顯式的二維形式；

  encoder = OneHotEncoder()
  encoder.fit([[1, 2], [2, 1]]
   
  )

• pd.get_dummies()，則恰將 string 轉換為 integers 型別：

  >> pd.get_dummies(['A', 'B', 'A'])
     A  B
  0  1  0
  1  0  1
  2  1  0

2. sklearn.feature_extraction 下的 DictVectorizer

將字典型別表示的屬性，轉換為向量型別：

>> measurements = [
     {'city=Dubai': True, 'city=London': True, 'temperature': 33.},
     {'city=London'
 
: True, 'city=San Fransisco': True, 'temperature': 12.},
     {'city': 'San Fransisco', 'temperature': 18.},
]

>> vec.feature_names
['city=Dubai', 'city=London', 'city=San Fransisco', 'temperature']


>> vec.fit_transform(measurements).toarray()
array([[  1.,   1.,   0.,  33.],
       [  0.,   1.,   1.,  12.],
       [  0.,   0.,   1.,  18.]]
 
)