OneHotEncoder和get_dummies都是將分類(lèi)變量（categorical features）轉(zhuǎn)化為數(shù)字變量（numerical features）的方法。

為什么要轉(zhuǎn)化為數(shù)字變量呢？ 因?yàn)榇蟛糠值臋C(jī)器學(xué)習(xí)方法需要所有特征/變量（features/variables）都是數(shù)值型的。樹(shù)相關(guān)的機(jī)器學(xué)習(xí)方法可以直接處理分類(lèi)變量。

OneHotEncoder 和 get_dummies 的不同之處：

1. OneHotEncoder 來(lái)自于sklearn。 導(dǎo)包：from sklearn.preprocessing import OneHotEncoder

? ? get_dummies來(lái)自于Pandas。 導(dǎo)包和使用：import Pandas as pd

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?pd.get_dummies(df)

2. 此處區(qū)別存在，當(dāng)sklearn的版本0.20.0在以下：

????OneHotEncoder?不能直接處理string類(lèi)型的分類(lèi)變量，如果是nominal類(lèi)型的分類(lèi)變量需要將分類(lèi)變量映射為integer， 可以用字典，或者使用LabelEncoder。

? ? 如果是ordinal類(lèi)型的分類(lèi)變量，只需LabelEncoder就可（不需要繼續(xù)使用OneHotEncoder）

但是sklearn 0.20.0 之后的版本，OneHotEncoder可以直接處理string類(lèi)型的分類(lèi)變量。

下面是一個(gè)當(dāng)sklearn版本是0.20.2的OneHotEncoder例子：

下面是使用get_dummies的例子：

對(duì)于機(jī)器學(xué)習(xí)，建議使用OneHotEncoder。因?yàn)間et_dummies容易使用，可以用于分析類(lèi)的工作。

為什么推薦使用OneHotEncoder？

舉個(gè)例子：如果訓(xùn)練數(shù)據(jù)“顏色” 這個(gè)變量有“紅”，“黃”兩個(gè)值，但是在測(cè)試數(shù)據(jù)的“顏色”變量除了“紅”，“黃”還有“藍(lán)”。這個(gè)時(shí)候使用get_dummies轉(zhuǎn)化訓(xùn)練數(shù)據(jù)會(huì)生成新的column：紅，黃。之后用這個(gè)數(shù)據(jù)訓(xùn)練模型。同時(shí)使用get_dummies轉(zhuǎn)化測(cè)試數(shù)據(jù)會(huì)生成新的column：紅，黃，藍(lán)。之后應(yīng)用訓(xùn)練好的模型進(jìn)行測(cè)試數(shù)據(jù)的預(yù)測(cè)。這時(shí)就會(huì)出現(xiàn)錯(cuò)誤。因?yàn)樵谀Ｐ陀?xùn)練的過(guò)程并沒(méi)有“藍(lán)”這一列。

但是使用OneHotEncoder（handle_unknown="ignore"）就可以解決上述問(wèn)題。

例子如下：

測(cè)試數(shù)據(jù)存在“THURSDAY”和"FRIDAY"是訓(xùn)練數(shù)據(jù)中不存在的，OneHotEncoder將其轉(zhuǎn)化為都是0的array。