sklearn.feature_extraction 中 DictVectorizer类的使用

from sklearn.feature_extraction import DictVectorizer

DictVectorizer: 字典向量化
举例一，键值全部为数字的字典：

v = DictVectorizer(sparse=False)
D = [{'foo': 1, 'bar': 2}, {'foo': 3, 'baz': 1}]

sparse：布尔值，可选。
变换是否应该产生scipy.sparse矩阵,默认为True。

X = v.fit_transform(D)

输出结果为：

array([[2., 0., 1.],
       [0., 1., 3.]])

v.get_feature_names()

输出结果为：

['bar', 'baz', 'foo']

结合上述所示，字典向量化后表示的含义为：

‘bar’	‘baz’	‘foo’
2	0	1
0	1	3

举例二：
对于键值非数值的字典，进行向量化：

v = DictVectorizer(sparse=False)
D = [{'city': 'Dubai', 'temperature': 33.},  
     {'city': 'London', 'temperature': 12.},  
     {'city': 'San Fransisco', 'temperature': 18.}]

sparse：布尔值，可选。
变换是否应该产生scipy.sparse矩阵,默认为True。

X = v.fit_transform(D)

输出结果为：

array([[ 1.,  0.,  0., 33.],
       [ 0.,  1.,  0., 12.],
       [ 0.,  0.,  1., 18.]])

v.get_feature_names()

输出结果为：

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

结合上述所示，字典向量化后表示的含义为：

‘city=Dubai’	‘city=London’	‘city=San Fransisco’	‘temperature’
1	0	0	33
0	1	0	12
0	0	1	18

对于键值为非数值的字典，需要对其进行编码操作。