Python 带有字符串分类值的OneHotEncoder

我有以下numpy矩阵：

M = [
    ['a', 5, 0.2, ''],
    ['a', 2, 1.3, 'as'],
    ['b', 1, 2.3, 'as'],
]
M = np.array(M)

我想对分类值进行编码（

'a'，'b'，'as'

）。我试着用计算机对它进行编码。问题是is不能处理字符串变量并生成错误

enc = preprocessing.OneHotEncoder()
enc.fit(M)
enc.transform(M).toarray()

---

我知道我必须使用

分类功能

来显示我要编码的值，我认为通过提供

dtype

我将能够处理字符串值，但我不能。那么，有没有一种方法可以在我的矩阵中对分类值进行编码？

您可以使用

DictVectorizer

：

from sklearn.feature_extraction import DictVectorizer
import pandas as pd

dv = DictVectorizer(sparse=False) 
df = pd.DataFrame(M).convert_objects(convert_numeric=True)
dv.fit_transform(df.to_dict(orient='records'))

array([[ 5. ,  0.2,  1. ,  0. ,  1. ,  0. ],
       [ 2. ,  1.3,  1. ,  0. ,  0. ,  1. ],
       [ 1. ,  2.3,  0. ,  1. ,  0. ,  1. ]])

dv.feature\u names\u

保存与列的对应关系：

[1,2，'0=a'，'0=b'，'3='，'3=as']