您可以在此处阅读 sklearn 文档。如果单击源代码，则可以检查代码。

如果你想做一种热编码，你可以做

    >>> from sklearn.preprocessing import OneHotEncoder
    >>> enc = OneHotEncoder(handle_unknown='ignore')
    >>> X = [['Male', 1], ['Female', 3], ['Female', 2]]
    >>> enc.fit(X)
    OneHotEncoder(handle_unknown='ignore')
    >>> enc.categories_
    [array(['Female', 'Male'], dtype=object), array([1, 2, 3], dtype=object)]
    >>> enc.transform([['Female', 1], ['Male', 4]]).toarray()

如果您是一位经验丰富的开发人员，您应该只尝试实现这一点。以非最佳方式实现 OHE 的几行代码是：

for col in columns_encoding:
    variables = df[col].unique()
    for v in variables:
        df[col + str(v)] = [1 if row == v else 0 for row in df[col].values]

其中 columns_encoding 是您要编码的列的列表，并 df 您的数据框

除了性能原因之外，维护更为重要。只需OneHotEncoder从sklearn库中使用，不要考虑并行化此任务。一种热编码是相当便宜的预处理器，运行整个管道不会有太大差异。拟合模型最耗时，因此请专注于此。

如果您真的想知道如何对其进行矢量化，则需要遍历整个数据集以获得唯一值和 one-hot 向量长度。您可以并行化第二遍将分类值替换为 one-hot 向量并合并数据集块。

并行化并不总是最好的做法。启动、管理和合并多个线程总是有一些额外的成本。除非你有很多事情要做，否则你不会看到太大的不同。

当我们谈论向量化时，我们主要指的是对数值数组的一些计算，这些计算很容易分离。这主要是使用numpy内部矢量化的操作（本机代码，python 机器外部）来完成的。它更多的是关于 CPU 如何在内部处理数组操作——在一个循环中处理多个元素，而不是一次处理一个。您可以在wiki上阅读有关AVX的更多信息，尽管这确实是低级的硬件内容；）

tl; 博士

• 使用库中的方法
• 不要使用循环，numpy尽可能使用，