踩坑系列-字符编码OneHotEncoder

OneHotEncoder

今天想起来，之前应用OneHotEncoder存在的问题，这里和大家分享一下。
OneHotEncoder又被称为独热编码，什么意思呢，就是
1、每一列特征需要构建的状态寄存器的位数等于该列特征独立取值的个数；

2、使用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候，其中只有一位有效。

到底在说什么呢？请看下面的代码演示就明白了(以下代码在jupyter notebook里执行)

import numpy as np
import pandas as pd
from sklearn import preprocessing

enc = preprocessing.OneHotEncoder()
X=np.array([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])
print(X)
enc.fit_transform(X).toarray() 
#第一列有两个状态：0、1，需要2位状态寄存器来进行编码，[1,0]表示0,[0,1]表示1
#第二列有三个状态：0、1、2，需要3位状态寄存器来进行编码，[1,0,0]表示0，[0,1,0]表示1，[0,0,1]表示2
#第三列有四个状态：0、1、2、3，需要4位状态寄存器来进行编码，[1,0,0,0]表示0，[0,1,0,0]表示1，[0,0,1,0]表示2，[0,0,0,1]表示3

如果这时候来一个数据：

大家对着编码一下也可以得出这个结果；