以下内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文

在数据分析中，特征选择往往是我们面临的首要难题，本节将向大家介绍 Scikit-Learn 提供的特征工程相关工具，以便我们在 Python 中更好地对模型的特征进行处理。

1、分类变量特征预处理

首先我们构造如下示例数据：



在作为示例的租房数据中，分类变量 neighborhood 可以对应以下三个值：


运用 Scikit-Learn 中的 DictVectorizer 函数，我们将以上租房数据的分类变量转换为 one-hot 形式：

array([[     0,      1,      0, 850000,      4],       [     1,      0,      0, 700000,      3],       [     0,      0,      1, 650000,      3],       [     1,      0,      0, 600000,      2]])
可以通过调用 get_feature_names 函数，来查看转换后的数组中对应的列名：
['neighborhood=Fremont', 'neighborhood=Queen Anne', 'neighborhood=Wallingford', 'price', 'rooms']
要注意的是，当我们将 DictVectorizer 函数参数 sparse 的值设置为 True 时，转换后的对象将不再是一个数组，而是一个 sparse matrix 对象：

<4x5 sparse matrix of type '<class 'numpy.int64'>'        with 12 stored elements in Compressed Sparse Row format>

后文还有介绍 文本特征提取、特征项扩充、特征缺失值处理、pipeline 模型等，内容较多，先搬运到这，有需要的同学可以先直接到 数析学院 查看原文