机器学习：如何在具有分类和数字特征的 pandas 数据帧上应用一种热编码？

Posted 2023-03-12

【中文标题】机器学习：如何在具有分类和数字特征的 pandas 数据帧上应用一种热编码？

【英文标题】：Machine Learning: How do I apply one hot encoding on a pandas dataframe with both categorical and numerical features?

【发布时间】：2017-01-08 13:10:14

【问题描述】：

一些特征是数字特征，例如“学校毕业率”，而其他特征是分类特征，例如学校名称。我对分类特征使用标签编码器将它们转换为整数。

我现在有一个包含浮点数和整数的数据框，分别代表数字特征和分类特征（用标签编码器转换）。

我不确定如何继续学习者，我需要使用一种热编码吗？如果是这样，我该怎么做？根据我目前的理解，我不能简单地将数据帧传递给 sklearn OneHotEncoder，因为有浮点数。我是否只是将标签编码器应用于所有功能来解决问题？

Sample data from my dataframe. OPEID and opeid6 were transformed using a label encoder

非常感谢！

【问题讨论】：

sklearn pipeline - how to apply different transformations on different coluns的可能重复

How can I one hot encode in Python?的可能重复

【参考方案1】：

只需使用OneHotEncoder categorical_features 参数来选择特征是分类的：

categorical_features：“全部”或索引数组或掩码：

指定哪些特征被视为分类。

‘all’（默认）：所有特征都被视为分类。 索引数组：分类特征索引数组。

掩码：长度为 n_features 且 dtype=bool 的数组。

非分类特征总是堆叠在矩阵的右侧。