sklearn的one-hot编码

from sklearn.preprocessing import OneHotEncoder

enc = OneHotEncoder()
# enc.fit([[0, 0, 3], [0, 1, 2], [2, 2, 2], [2, 0, 2]])
enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])
print(enc.n_values_) # 每个特征出现的最大值+1

print("***")
print(enc.feature_indices_) # 累加 enc.n_values_
print("***")
print(enc.transform([[0, 0, 0]]).toarray())

[2 3 4]
***
[0 2 5 9]
***
[[1. 0. 1. 0. 0. 1. 0. 0. 0.]]

我们fit进去的数据集是：

[[0, 0, 3],

[1, 1, 0],

[0, 2, 1],

[1, 0, 2]]

每一列代表一个属性，fit 操作之后：

• 对象enc的n_values_成员变量，记录着每一个属性的最大取值数目，如本例第一个属性：0, 1, 0, 1 ⇒ 2，0, 1, 2, 0 ⇒ 3，3, 0, 1, 2 ⇒ 4； 
  • 即各个属性（feature）在 one hot 编码下占据的位数；
• 对象 enc 的 feature_indices_，则记录着属性在新 One hot 编码下的索引位置， 
  • feature_indices_ 是对 n_values_ 的累积值，不过 feature_indices 的首位是 0
• 进一步通过 fit 好的 one hot encoder 对新来的特征向量进行编码：
• 前 2 位 1, 0，对 0 进行编码
• 中间 3 位 0, 1, 0 对 1 进行编码；
• 末尾 4 位 0, 1, 0, 0 对 1 进行编码