許多的資料取樣中會有很多以以字串形式出現的資料，這樣的資料沒有辦法直接跟其他數值變數合併成向量，這些值一般是分類資料或是順序資料。

• 分類資料：分類資料指某些資料類別的只能歸於某一類非數值型資料，例如男、女。分類資料中的值沒有明顯高低好壞之分，只是由來區分兩個或多個具有相同或相當價值的屬性。
• 順序資料：順序資料只能歸於某一有序類別的非數值型資料，例如使用者的價制度分為高、中、低。在順序資料中，有明顯的邏輯排序。

import pandas as pd
import numpy as np

# 匯入資料
df = pd.read_csv('https://raw.githubusercontent.com/ffzs/dataset/master/Questionnaire.csv'
 
, usecols=[0, 1, 5])

# 更改列名
df.columns = ['Gender', 'Country', 'Edu']
df0 = df[:10]

# 看下資料
	Gender	Country	Edu
0	Female	United States	Master's degree
1	Male	Canada	Master's degree
2	Male	United States	Master's degree
3	Male	Taiwan	Doctoral degree
4	Male	Brazil	Doctoral degree
5	Male	United States	Master's degree
6
 
	Female	India	Bachelor's degree
7	Female	Australia	Bachelor's degree
8	Male	Russia	Bachelor's degree
9	Female	Russia	Bachelor's degree

# pandas 方法
# 使用get_dummies函式
pd.get_dummies(df0)


# 使用 sklearn
from sklearn.preprocessing import OneHotEncoder, LabelEncoder

columes = df0.columns
for col in columes:
 

    data = df0[col]
    if data.dtype == 'object':
        new_columns = []
        label = LabelEncoder()
        oneHot = OneHotEncoder()
        la_data = label.fit_transform(data).reshape(-1, 1)
        for cla in label.classes_:
            new_columns.append(col+'_'+cla)
        one_data = oneHot.fit_transform(la_data).toarray()
        enc_df = pd.DataFrame(one_data , columns=new_columns)
        del df0[col]
        df0 = pd.concat([df0, enc_df], axis=1)

pandas的get_dummies和 sklearn的 OneHotEncoder區別：

• OneHotEncoder不能直接處理字串值。 如果你的名義特徵是字串，那麼你需要先把它們對映成整數。

• pandas.get_dummies是相反的。 預設情況下，除非指定了列，否則它僅將字串列轉換為單熱表示形式。