最细的独热编码（One-hot）讲解

One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效,One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后，每个整数值被表示为二进制向量，除了整数的索引之外，它都是零值，它被标记为1。干货如下：
例如：
性别特征：[“男”,“女”]------>二进制表示[01,10]
动物种类：[“猫”,“小狗”,“仓鼠”]----->二级制表示[001,010,100]
国家种类：[“中国”,“新加坡”,“英国”,“法国”]----->二进制表示[0001,0010,0100,1000]
上述表示的数据都是离散的为什么这么说呢，例如，猫和小狗，猫和仓鼠的欧式距离是相同的，没有什么区分。
下面有两种One-hot的表示方法：
第一种：用Python中的sklearn. preprocessing.OneHotEncoder()。

这个fit中，取每个数组中第一个元素取值分别为：1，0，1，0.最大为1，种类为0,1,即用两位二进制俩表示即可，故value值为2，同样取每个数组中第二个元素得到：0，1，0，2，最大为2，种类为0，1，2，故得到value为3，依次得到第三个value=4.

enc.feature_indices_为特征索引，例子中value值为（2，3，4），而特征索引从0开始，到2的位置为第一个，到2+3=5的位置为第二个，到2+3+4的位置为第三个，索引为array([0,2,5,9])

enc.transform就是将[0,1,1]这组特征转换成One-hot编码，toarray()则是转成数组形式。
[0,1,1]
第一个元素是0，由于之前的fit的第一个维度为2,故为10，表示"女"
第二个元素是1，由于之前的fit的第二个维度为3,故为010,表示为"小狗"
第三个元素是1，由于之前的fit的第三个维度为4,故为0100,表示为"英国"

第二种为：利用pandas实现One-hot

上述图中已经注释得很清楚了，就不再单独解释了。
当然，用pandas时,经常会用到get_dummies函数，如下：

可以对指定列进行get_dummies: