独热编码python

独热编码（One-Hot Encoding）是一种常用的特征编码方法，用于将离散特征转换为一组二元特征，使得特征之间的距离计算更加合理。在 Python 中，可以使用 pandas 库的 get_dummies() 函数来进行独热编码。

例如，我们有一个包含性别和职业的数据集：

import pandas as pd

data = pd.DataFrame({'Gender': ['Male', 'Female', 'Female', 'Male', 'Male', 'Female'], 
                     'Occupation': ['Student', 'Engineer', 'Student', 'Teacher', 'Teacher', 'Engineer']})

使用 get_dummies() 函数对数据进行独热编码：

encoded_data = pd.get_dummies(data, columns=['Gender', 'Occupation'])

输出 encoded_data 的结果如下：

   Gender_Female  Gender_Male  Occupation_Engineer  Occupation_Student  Occupation_Teacher
0              0            1                    0                    1                    0
1              1            0                    1                    0                    0
2              1            0                    0                    1                    0
3              0            1                    0                    0                    1
4              0            1                    0                    0                    1
5              1            0                    1                    0                    0

可以看到，原来的两个特征被分别转换为了多个二元特征，每个特征都对应了一个唯一的值。如果某个样本属于该特征值，则对应的二元特征为 1，否则为 0。