概述

对 字典数据 进行数字化

导入包

sklearn.feature_extraction

• feature：特征
• extraction：抽取

类

DictVectorizer(sparse=True)

参数

• sparse：见下面的返回值

将 字典特征 转成 数字特征

fit_transform(X)

参数

• X：字典 或者 包含字典的迭代器
  如：[{'name':'李雷','age':20},{'name':'韩梅梅','age':19}]

返回值

• 当实例化时指定sparse=True，返回sparse（节约内存，方便处理）
• 指定sparse=False，返回array二维数组

返回类别名称

get_feature_names()

返回值

类别名称，list类型

例子1

# coding=utf-8
from sklearn.feature_extraction import DictVectorizer

vector=DictVectorizer(sparse=False)
d=[{'name':'李雷','age':20,'sex':'男'},{'name':'韩梅梅','age':19,'sex':'女'},{'name':'lucy','age':20,'sex':'女'},{'name':'lili','age':20,'sex':'女'}]
data=vector.fit_transform(d)
print(vector.get_feature_names())
print(data)

打印结果：

['age', 'name=lili', 'name=lucy', 'name=李雷', 'name=韩梅梅', 'sex=女', 'sex=男']
[[20.  0.  0.  1.  0.  0.  1.]
 [19.  0.  0.  0.  1.  1.  0.]
 [20.  0.  1.  0.  0.  1.  0.]
 [20.  1.  0.  0.  0.  1.  0.]]

实例化DictVectorizer(sparse=False)时指定sparse=False，所以转换后的结果是array结构，如下图：

这种表示方法称之为： One-Hot Encoding 独热编码

例子2

from sklearn.feature_extraction import DictVectorizer

vector=DictVectorizer()
d=[
    {'name':'李雷','age':20,'sex':'男'},
    {'name':'韩梅梅','age':19,'sex':'女'},
    {'name':'lucy','age':20,'sex':'女'},
    {'name':'lili','age':20,'sex':'女'}
    ]
data=vector.fit_transform(d)
print(vector.get_feature_names())
print(data)

返回的data是 sparse结构，打印结果：

['age', 'name=lili', 'name=lucy', 'name=李雷', 'name=韩梅梅', 'sex=女', 'sex=男']
  (0, 0)        20.0
  (0, 3)        1.0
  (0, 6)        1.0
  (1, 0)        19.0
  (1, 4)        1.0
  (1, 5)        1.0
  (2, 0)        20.0
  (2, 2)        1.0
  (2, 5)        1.0
  (3, 0)        20.0
  (3, 1)        1.0
  (3, 5)        1.0

转换成之前的数据格式

inverse_transform(X)

参数

• X：调用fit_transform(X)返回的结果，array 或者 sparse矩阵

返回值

转换成之前的数据格式

例子

# coding=utf-8
from sklearn.feature_extraction import DictVectorizer

vector=DictVectorizer(sparse=False)
d=[
    {'name':'李雷','age':20,'sex':'男'},
    {'name':'韩梅梅','age':19,'sex':'女'},
    {'name':'lucy','age':20,'sex':'女'}
    ]
data=vector.fit_transform(d)
print(vector.get_feature_names())
print(data)
print(data[0][0])

data=vector.inverse_transform(data)
print(data)

打印结果如下：

[{'age': 20.0, 'name=李雷': 1.0, 'sex=男': 1.0}, {'age': 19.0, 'name=韩梅梅': 1.0, 'sex=女': 1.0}, {'age': 20.0, 'name=lucy': 1.0, 'sex=女': 1.0}]

方法4

transform(X)

转换之前数据格式

原文出处：/show_1EF3Qh3gZ87f.html