python - 如何使用 numpy 对数据进行 one-hot 编码？

Question

假设我有一个数据集

sex    age hours
female 23  900
male   19  304
female 42  222
      ...

如果我使用 np.loadtxt 或 np.genfromtxt，我可以使用转换器为性别列中的每个分类数据分配值。有没有一种方法可以在加载过程中创建一个单热列？如果没有，我应该在哪里寻找来实现这一目标？

Answer 1

使用 pandas，您可以传递类别 dtype(在列中加载的成本较低):

In [11]: df = pd.read_csv("my_file.csv", dtype={"sex": "category"})

In [12]: df
Out[12]:
      sex  age  hours
0  female   23    900
1    male   19    304
2  female   42    222

In [13]: df.dtypes
Out[13]:
sex      category
age         int64
hours       int64
dtype: object

<小时/>

一旦你有了一个类别，你就可以使用get_dummies:

In [21]: pd.get_dummies(df.sex)
Out[21]:
   female  male
0       1     0
1       0     1
2       1     0

In [22]: pd.get_dummies(df.sex.cat.codes)
Out[22]:
   0  1
0  1  0
1  0  1
2  1  0