python类别数据数字化LabelEncoder VS OneHotEncoder区别

LabelEncoder 和 OneHotEncoder 是什么

- 在数据处理过程中，我们有时需要对不连续的数字或者文本进行数字化处理。
- 在使用 Python 进行数据处理时，用 encoder 来转化 dummy variable（虚拟数据）非常简便，encoder 可以将数据集中的文本转化成0或1的数值。
- LabelEncoder 和 OneHotEncoder 是 scikit-learn 包中的两个功能，可以实现上述的转化过程。
- sklearn.preprocessing.LabelEncoder- sklearn.preprocessing.OneHotEncoder

数据集中的类别数据

在使用回归模型和机器学习模型时，所有的考察数据都是数值更容易得到好的结果。因为回归和机器学习都是基于数学函数方法的，所以当我们要分析的数据集中出现了类别数据(categorical data)，此时的数据是不理想的，因为我们不能用数学的方法处理它们。

例如，在处理男和女两个性别数据时，我们用0和1将其代替，再进行分析。

由于这种情况的出现，我们需要可以将文字数字化的现成方法。

LabelEncoder 和 OneHotEncoder 的区别

具体代码

1. import pandas as pd 
2. from sklearn.preprocessing import LabelEncoder, OneHotEncoder 
3. from sklearn.cross_validation import train_test_split 
4. # 读取数据 
5. data_df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/' 
6.  'breast-cancer-wisconsin/wdbc.data', header=None) 
7. # 前面的数据是特征，最后一列是标签label 
8. x, y = data_df.values[:, :-1], data_df.values[:, -1] 
9. # 先实例化一个对象 
10. encoder_x = LabelEncoder()  
11. # 对标签进行类别数据数字化 
12. y = encoder_x.fit_transform( y )