机器学习 · 函数

独热编码

独热编码。对标 sklearn.preprocessing.OneHotEncoder。

调用签名(数据, 列列表=None, 稀疏: 'bool' = False)

独ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 独热编码
设 结果 = 机器学习.独热编码(
    数据=[1, 2, 3, 4],  # 必填；要处理的原始数据，可以是列表、字典、DataFr...
    列列表=None,  # 可选；Pandas DataFrame 或类似表格对象
    稀疏=False,  # 可选；布尔开关 稀疏,传 真 或 假 控制行为;不传时...
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

3 个参数

参数类型 / 传入方式说明

数据可选 · 默认无

未声明位置参数或字段名=值

要处理的原始数据，可以是列表、字典、DataFrame、数组等。

常见错误：漏传会报 TypeError: missing required argument: '数据';检查调用是否漏了这行

列列表可选 · 默认 None

未声明位置参数或字段名=值

Pandas DataFrame 或类似表格对象。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

稀疏可选 · 默认 False

bool位置参数或字段名=值

布尔开关稀疏,传真或假控制行为;不传时按默认值。

常见错误：传非布尔会报 TypeError;用真/假或 True/False

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 独热编码
设 结果 = 机器学习.独热编码(
    数据=[1, 2, 3, 4],  # 必填；要处理的原始数据，可以是列表、字典、DataFr...
    列列表=None,  # 可选；Pandas DataFrame 或类似表格对象
    稀疏=False,  # 可选；布尔开关 稀疏,传 真 或 假 控制行为;不传时...
)
打印(结果)

# 进阶组合:独热编码 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.独热编码(
    数据=[1, 2, 3, 4],  # 必填
    列列表=None,  # 可选
    稀疏=False,  # 可选
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:覆盖 1 个必填参数

## 参数 1: 数据
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.独热编码()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.独热编码(数据=[1, 2, 3, 4])
打印(结果)