Python 如何用两个值对一列进行热编码？

如果我用3个可能的值对一列进行热编码，如下所示：

from sklearn import preprocessing
lb = preprocessing.LabelBinarizer()
lb.fit([0, 1, 2])
lb.classes_
lb.transform([1, 0])

lb.fit([0, 1])
lb.classes_
lb.transform([1, 0])

然后我得到：

array([[0, 1, 0],
       [1, 0, 0]])

这正是我想要的。3列=每个可能值对应1列

但是，如果我有两个可能的值，比如：

from sklearn import preprocessing
lb = preprocessing.LabelBinarizer()
lb.fit([0, 1, 2])
lb.classes_
lb.transform([1, 0])

lb.fit([0, 1])
lb.classes_
lb.transform([1, 0])

我得到：

array([[1],
       [0]])

它只有一列，即使我有两个可能的值。在这种情况下，我想结束的是：

array([[0, 1],
       [1, 0]])

在这种情况下，如何获得2列结果？

您可以使用。例如：

In [37]: oh = preprocessing.OneHotEncoder(sparse=False)

In [38]: oh.fit([[0], [1]])
Out[38]:
OneHotEncoder(categorical_features='all', dtype=<type 'float'>,
       handle_unknown='error', n_values=2, sparse=False)

In [39]: oh.transform([[1], [0]])
Out[39]:
array([[ 0.,  1.],
       [ 1.,  0.]])

[37]中的

oh=preprocessing.onehotcoder（稀疏=False）
在[38]：oh.fit（[0]，[1]]）
出[38]：
OneHotEncoder（分类功能='all'，数据类型=，
handle_unknown='error'，n_值=2，稀疏=False）
在[39]：oh.transform（[[1]，[0]]）中
出[39]：
数组（[[0,1.]，
[ 1.,  0.]])

看起来像是熊猫。在我的情况下，获取傻瓜是最简单的解决方案：

pd.get_dummies([1, 0])

---

好的，这看起来是一个解决方案。但是，如何将Pandas数据帧的一列输入fit函数？使用LabelBinarizer非常简单，但是OneHotEncoder似乎没有直接获取Pandas列。使用Pandas，您可以使用

获取虚拟对象

。Eg

df=pd.DataFrame（data={'a'：[0,1,0]}）

和

pd.get_假人（df['a']）