使用一种热编码将分类特征转换为数字特征，

Question

使用一种热编码将分类特征转换为数字特征

dataset = pd.read_csv('bank.csv',index_col=0)
X = dataset.iloc[:,:].values
Z = pd.DataFrame(X)
print(Z)

from sklearn.preprocessing import LabelEncoder,OneHotEncoder
labelencoder_X = LabelEncoder()
X[:,0] = labelencoder_X.fit_transform(X[:,0])
Z = pd.DataFrame(X)
print(Z)

但是对于列，它只能转换1个单列。我如何才能将tmore列（如第1,2,3列）转换在一起。 我试图将“ 0”更改为“ 0：”，但随后出现错误，提示“ ValueError：输入形状错误（11162，16）”。 并且如果我将X [：，0]更改为X [：，1,2,3 ...]，那么它就带有“ IndexError：数组索引过多”的错误提示

Answer 1

我有一个可以为您完成工作的功能：

# Own implementation of One Hot Encoding - Data Transformation
def convert_to_binary(df, column_to_convert):
    categories = list(df[column_to_convert].drop_duplicates())

    for category in categories:
        cat_name = str(category).replace(" ", "_").replace("(", "").replace(")", "").replace("/", "_").replace("-", "").lower()
        col_name = column_to_convert[:5] + '_' + cat_name[:10]
        df[col_name] = 0
        df.loc[(df[column_to_convert] == category), col_name] = 1

    return df

# One Hot Encoding
print("One Hot Encoding categorical data...")
columns_to_convert = [col1,col2]#Enter your column names here that you want to one hot encode.

for column in df_all.columns:              #columns_to_convert
    if df_all.column.dtype == 'category':
        df_all = convert_to_binary(df=df_all, column_to_convert=column)
        df_all.drop(column, axis=1, inplace=True)
print("One Hot Encoding categorical data...completed")

请确保在columns_to_convert中输入列列表（如果您不想转换所有类别变量）。