1. 在資料前處理（Preprocessing）的步驟，除了缺失值等的處理，對於類別型的資料（categorical data），還需要把資料轉換成電腦能夠理解的形式，而這禮拜練習的 One Hot Encoding 就是一種方式。
2. 像是在處理國家人口資料時，如果我們要依各洲來分類，分成「亞洲、歐洲、美洲、非洲、大洋洲」等五類，但電腦讀取的方式是 0 和 1 等數字，若我們將這五洲轉成 1 到 5 的數字，電腦可能會以為各洲是有「順序之分」的，因此我們可以更進一步地把這五洲轉換成由 0 和 1 組成的類別。每個類別都是一個欄位，因此對每個觀察值或列來說，只有一個欄位會出現1，就是只有一個熱的點（One Hot）的編碼（Encoding）。
3. 在 python 語言，可以用 sklearn 的套件來做 One Hot Encoding。
4. 在 One Hot Encoding 之前，必須要先經過 Label Encoding。

參考資料： https://medium.com/jameslearningnote/%E8%B3%87%E6%96%99%E5%88%86%E6%9E%90-%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-%E7%AC%AC2-4%E8%AC%9B-%E8%B3%87%E6%96%99%E5%89%8D%E8%99%95%E7%90%86-missing-data-one-hot-encoding-feature-scaling-3b70a7839b4a https://www.cnblogs.com/zhoukui/p/9159909.html

import os
import numpy as np
import pandas as pd

# 設定 data_path, 並讀取 app_train
dir_data = './data/'
f_app_train = os.path.join(dir_data, 'application_train.csv')
app_train = pd.read_csv(f_app_train)

sub_train = pd.DataFrame(app_train['WEEKDAY_APPR_PROCESS_START'])
print(sub_train.shape)
sub_train.head()

(307511, 1)

from sklearn.preprocessing import LabelEncoder
labelencoder = LabelEncoder()
sub_train["WEEKDAY_APPR_PROCESS_START"] = labelencoder.fit_transform(sub_train["WEEKDAY_APPR_PROCESS_START"]) # 開始Encoding
sub_train.head()

from sklearn.preprocessing import OneHotEncoder
onehotencoder = OneHotEncoder(categorical_features = [0]) # 對哪個欄位進行One Hot Encoding
sub_train = onehotencoder.fit_transform(sub_train)　# 開始Encoding

sub_train

<307511x7 sparse matrix of type '<class 'numpy.float64'>'
    with 307511 stored elements in Compressed Sparse Row format>

sub_train.toarray()

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

sub_train.shape

(307511, 7)

sub_train_2 = pd.DataFrame(app_train['WEEKDAY_APPR_PROCESS_START'])
pd.get_dummies(sub_train_2)