fit_transform，sklearn中的转换和pandas中的get_dummies有什么不同？

Question

当我在sklearn和pandas中使用单热编码进行数据处理时，我有两个选择：

第一种方式：train_data使用fit_transform，test_data仅使用转换

第二种方式：或者我可以将pandas get_dummies用于两者

它们之间有什么区别？他们有同样的效果吗？

谢谢

Answer 1

基本上，OneHotEncoder和pandas.get_dummies都会从分类变量中创建二进制变量。 例如：

df = pd.DataFrame({'A': ["1", "1", "3"], 'B': ["2", "3", "1"],
                'C': [1, 2, 3]})

print(pd.get_dummies(df, prefix=['col1', 'col2']))

将打印出来：

C  col1_1  col1_3  col2_1  col2_2  col2_3
0  1     1.0     0.0     0.0     1.0     0.0
1  2     1.0     0.0     0.0     0.0     1.0
2  3     0.0     1.0     1.0     0.0     0.0

OneHotEncoder可以处理非字符串变量，而get_dummies可以处理。此外，OneHotEncoder将返回一个数组，而不是pandas数据帧。