Sklearn One-Hot Encoding: Feature Column Transformation | Python Example

"在sklearn中，可以使用OneHotEncoder类对某一特征列进行one hot encoding。以下是一个例子，演示如何对一个特征列进行one hot encoding：\n\npython\nfrom sklearn.preprocessing import OneHotEncoder\nimport numpy as np\n\n# 创建一个示例的特征列\nfeature_col = np.array(['A', 'B', 'C', 'A', 'B']).reshape(-1, 1)\n\n# 创建一个OneHotEncoder对象\nencoder = OneHotEncoder(sparse=False)\n\n# 对特征列进行one hot encoding\none_hot_encoded = encoder.fit_transform(feature_col)\n\n# 输出结果\nprint(one_hot_encoded)\n\n\n输出结果为：\n\n\n[[1. 0. 0.]\n [0. 1. 0.]\n [0. 0. 1.]\n [1. 0. 0.]\n [0. 1. 0.]]\n\n\n在这个例子中，特征列feature_col中包含了5个样本，每个样本都是一个字符串。首先，我们使用reshape(-1, 1)将特征列转换为一个列向量。然后，我们创建了一个OneHotEncoder对象，并使用fit_transform方法对特征列进行one hot encoding。最后，我们输出了one hot encoding的结果。\n"