pandas 下的 one hot encoder 及 pd.get_dummies() 与 sklearn.preprocessing 下的 OneHotEncoder 的区别

sklearn.preprocessing 下除了提供 OneHotEncoder 还提供 LabelEncoder（简单地将 categorical labels 转换为不同的数字）；

1. 简单区别

Panda’s get_dummies vs. Sklearn’s OneHotEncoder() :: What is more efficient?

sklearn.preprocessing 下的 OneHotEncoder 不可以直接处理 string，如果数据集中的某些特征是 string 类型的话，需要首先将其转换为 integers 类型；
- 在新版本中 sklearn 中，OneHotEncoder 实例的 fit 方法将不再接收 1 维数组，而必须是显式的二维形式；
```
encoder = OneHotEncoder()

encoder.fit([[1, 2], [2, 1]])
```

pd.get_dummies()，则恰将 string 转换为 integers 类型：

>> pd.get_dummies(['A', 'B', 'A'])

   A  B

0  1  0

1  0  1

2  1  0

2. sklearn.feature_extraction 下的 DictVectorizer

How can i vectorize list using sklearn DictVectorizer

将字典类型表示的属性，转换为向量类型：

>> measurements = [

     {'city=Dubai': True, 'city=London': True, 'temperature': 33.},

     {'city=London': True, 'city=San Fransisco': True, 'temperature': 12.},

     {'city': 'San Fransisco', 'temperature': 18.},

]

>> vec.feature_names

['city=Dubai', 'city=London', 'city=San Fransisco', 'temperature']

>> vec.fit_transform(measurements).toarray()

array([[  1.,   1.,   0.,  33.],

       [  0.,   1.,   1.,  12.],

       [  0.,   0.,   1.,  18.]])