python LabelEncoder与Get_Dummies的区别

pandas.get_dummies(data, prefix=None, prefix_sep=‘_‘, dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)
官网文档：
http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.get_dummies.html

输入：array-like, Series, or DataFrame
输出：DataFrame
主要参数说明：
data : array-like, Series, or DataFrame
prefix : 给输出的列添加前缀，如prefix="A",输出的列会显示类似
prefix_sep : 设置前缀跟分类的分隔符sepration，默认是下划线"_"
一般，我们输入data就够了。如果要专门关注Nan这类东东，可设置dummy_na=True，专门生成一列数据。
见下面的栗子：（简直不要太容易）

1.  
   import numpy as np
    
   import pandas as pd
    
   data = pd.DataFrame({"学号":[1001,1002,1003,1004],
    
   "性别":["男","女","女","男"],
    
   "学历":["本科","硕士","专科","本科"]})
    
   data
        
   学历
   
   学号    性别
   0    本科    1001    男
   1    硕士    1002    女
   2    专科    1003    女
   3    本科    1004    男
   pd.get_dummies(data)
    
   
        学号    学历_专科    学历_本科    学历_硕士    性别_女    性别_男
   0    1001    0    1    0    0    1
   1    1002    0    0    1    1    0
   2    1003    1    0    0    1    0
   3    1004    0    1    0    0    1
    
   
   pd.get_dummies(data,prefix="A")
        学号    A_专科    A_本科    A_硕士    A_女    A_男
   0    1001    0    1    0    0    1
   1    1002    0    0    1    1    0
   2    1003    1    0    0    1    0
   3    1004    0    1    0    0    1
   pd.get_dummies(data,prefix=["A","B"],prefix_sep="+")
    
   
        学号    A+专科    A+本科    A+硕士    B+女    B+男
   0    1001    0    1    0    0    1
   1    1002    0    0    1    1    0
   2    1003    1    0    0    1    0
   3    1004    0    1    0    0    1

    

2. sklearn的崽一：LabelEncoder 将不连续的数字or文本进行编号

sklearn.preprocessing.LabelEncoder()
官方文档：
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html

此时只是将文本转化为了数字编号

 
from sklearn.preprocessing import LabelEncoder
 
le = LabelEncoder()
 
le.fit([1,5,67,100])
 
le.transform([1,1,100,67,5])
 
#输出： array([0,0,3,2,1])
array([0, 0, 3, 2, 1], dtype=int64)
 
from sklearn import preprocessing
 
le = preprocessing.LabelEncoder()
 
le.fit([1, 3, 3, 7])
 
LabelEncoder()
 
le.transform([1, 1, 3, 7])
 
#array([0, 0, 1, 2]...)
 
le.classes_ #查看分类
 
#array([1, 2, 6])
 
le.inverse_transform([0, 0, 1, 2]) #transform的逆向
 
#array([1, 1, 2, 6])

array([1, 1, 3, 7])

3. sklearn的崽二：OneHotEncoder 对表示分类的数字进行编码，输出跟dummies一样

sklearn.preprocessing.OneHotEncoder(n_values=None, categorical_features=None, categories=None, sparse=True, dtype=<class ‘numpy.float64’>, handle_unknown=’error’)
官方文档：
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html
注意：
输入的应该是表示类别的数字，如果输入文本，会报错的。

1.  
   from sklearn.preprocessing import OneHotEncoder
    
   OHE = OneHotEncoder()
    
   OHE.fit(data)

   会报错，因为只能输入数字，所以要先用LabelEncoder进行转化

1.  
   data3 = le.fit_transform(data["性别"])
    
   OHE.fit(data3.reshape(-1,1))
    
   OHE.transform(data3.reshape(-1,1)).toarray()
    
   array([[ 0., 1.],
    
   [ 1., 0.],
    
   [ 1., 0.],
    
   [ 0., 1.]])

    

对因变量y不能用OneHotEncoder，要用LabelBinarizer。