One-Hot Encoding（独热编码）

　　前几天查了一些与独热编码相关的资料后，发现看不进去...看不太懂，今天又查了一下，然后写了写代码，通过自己写例子加上别人的解释后，从结果上观察，明白了sklearn中独热编码做了什么事。

　　下面举个例子解释一下：

　　code：

from sklearn.preprocessing import OneHotEncoder
import numpy as np

train = np.array([
                    [0, 1, 2],
                    [1, 1, 0],
                    [2, 0, 1],
                    [3, 1, 1]
                 ])
one_hot = OneHotEncoder()
one_hot.fit(train)
print(one_hot.transform([[1, 0, 1]]).toarray())

　　Output:

 　　这里的output输出的是什么？怎么与例子中的矩阵关系起来？例子给的是一组4行3列的矩阵，从列来看它的特点是第1列4个数都不同，第2列只有二进制数(0,1)，第3列有3个不同的数。

　　这样的数值矩阵对应的文本类表单可以是这样的：

姓名	性别	成绩
鸣人:0	男:1	32:2
佐助:1	男:1	99:0
小樱:2	女:0	87:1
佐井:3	男:1	87:1

　　于是

one_hot.transform([[1, 0, 1]]).toarray()

　　编码的结果这样理解：

　　第1列：矩阵第一列有4个不同的数，用4位表示，1出现在[0,1,2,3]中的下标为1的位置上，所以对应的独热码为:[0,1,0,0]。

　　第2列：矩阵第二列有2个不同的数，用2位表示，0出现在[0,1]中的下标为0的位置上，所以对应的独热码为：[1,0]。

　　第3列：矩阵第三列有3个不同的数，用3位表示，1出现在[0,1,2]的下标为1的位置上，所以对应的独热码为：[0,1,0]。

　　可以用例子证明上面的结论：

　　Input:[[1,0,2]]

　　Output:

　　Input:[[3,1,1]

　　Output:

　　假如要进行编码的数据没有出现在对应列中将会出现错误：

　　Input:[[4,1,1]]

　　Output:

　　等等，还可以自行写其他例子验证一下。

　　现在我们就知道了独热编码做了什么了，它先统计每列中每个数据出现的次数并去除重复的，然后在没有重复数据的数据集上对不同列的数据进行相应的编码。按这样的规则编码的结果就可以只有0,1出现了。

　　参考资料：

　　　　1.https://blog.csdn.net/google19890102/article/details/44039761

　　　　2.https://blog.csdn.net/pipisorry/article/details/61193868

　　　　3.https://blog.csdn.net/counsellor/article/details/60145426