这里的数据表示对于One-Hot是准确的吗？

Question

我尝试在这里使用One-Hot对蘑菇数据集(https://www.kaggle.com/uciml/mushroom-classification)进行编码。下面是我使用的编码代码(在Python中)：

from sklearn.preprocessing import OneHotEncoder
second_df = OneHotEncoder(handle_unknown='ignore').fit_transform(new_df)
print(second_df)

我的代码的结果如下图所示，这让我非常困惑：Result for the encoding.

这个结果是我的One-Hot的正确表示吗？如果没有，我应该怎么做来修复代码？

Answer 1

输出看起来有点不寻常，因为默认情况下返回一个sparse matrix：

OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')

稀疏输出被解释为(row, col) non_zero_value，，其中所有未列出的坐标都为零：

(0, 1)    1.0         # value 1.0 at row 0, col 1
(0, 7)    1.0         # value 1.0 at row 0, col 7
...

为了得到一个密集的数组，

• 可以设置sparse=False：

OneHotEncoder(sparse=False).fit_transform(new_df)

• 或chain ：

OneHotEncoder().fit_transform(new_df).toarray()

输出：

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