Python | One-Hot Encoding (独热编码)

独热编码（One-Hot Encoding），又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。即，只有一位是1，其余都是零值。独热编码 是利用0和1表示一些参数，使用N位状态寄存器来对N个状态进行编码。

地区特征：["北京"，"上海，"深圳"]（这里N=3，三维数据）：
北京 => 100
上海 => 010
深圳 => 001

在回归，分类，聚类等机器学习算法中，特征之间距离的计算或相似度的计算是非常重要的。而常用的距离或相似度的计算都是在欧式空间的相似度计算，计算余弦相似性，基于的就是欧式空间。
使用独热编码（One-Hot Encoding），将离散特征的取值扩展到了欧式空间，离散特征的某个取值就对应欧式空间的某个点。将离散型特征使用独热编码（One-Hot Encoding），会让特征之间的距离计算更加合理。
OneHotEncoder和get_dummies都是将分类变量（categorical features）转化为数字变量（numerical features）的方法。
OneHotEncoder 来自于sklearn。
from sklearn.preprocessing import OneHotEncoder

get_dummies来自于Pandas。
import Pandas as pd

B = ['bird','cat','dog', 'cat', 'bird', 'bird'] 
d = {'categorical': B}
df = pd.DataFrame(d)
print(df)

  categorical
0        bird
1         cat
2         dog
3         cat
4        bird
5        bird

dfDummies = pd.get_dummies(df['categorical'], prefix = 'category')
print(dfDummies)

   category_bird  category_cat  category_dog
0              1             0             0
1              0             1             0
2              0             0             1
3              0             1             0
4              1             0             0
5              1             0             0

print(dfDummies.values)

[[1 0 0]
 [0 1 0]
 [0 0 1]
 [0 1 0]
 [1 0 0]
 [1 0 0]]