数据挖掘算法原理与实践第四关：离散值编码

本关任务：利用sklearn对标签进行OneHot编码。

LabelEncoder

用于分类型特征，将特征编码为整数

代码实现：

from sklearn.preprocessing import LabelEncoder
label = ['male','female']
int_label = LabelEncoder()
label = int_label.fit_transform(label)

OneHotEncoder

将LabelEncoder输出结果输入估计器，估计器会把整数的大小关系考虑进去，而对于无序的分类特征，整数的大小关系是没有意义的。因此需要使用OneHotEncoder对数据进一步处理

代码实现：

import numpy as np
from sklearn.preprocessing import OneHotEncoder
label = np.array([1,0])
label = np.array(label).reshape(len(label),1)#先将X组织成（sample，feature）的格式
onehot_label = OneHotEncoder()
label = onehot_label.fit_transform(label).toarray()

编程要求

根据提示，在右侧编辑器Begin-End处补充代码，实现OneHot编码方法。

测试说明
我们会调用你实现的方法对标签进行处理，如标签为：

label = [‘male’,‘female’]
则经过OneHot编码后的数据为：

array([[0., 1.],
[1., 0.]])
开始你的任务吧，祝你成功！

# -*- coding: utf-8 -*-
import numpy as np
from sklearn.preprocessing import LabelEncoder,OneHotEncoder

def onehot_label(label):
    '''
    input:label(list):待处理标签
    output:lable(ndarray):onehot处理后的标签
    '''
    #********* Begin *********#
    int_label = LabelEncoder()
    label = int_label.fit_transform(label)
    label = np.array(label).reshape(len(label),1)
    onehot_label = OneHotEncoder()
    label = onehot_label.fit_transform(label).toarray()
    return label
    #********* End *********#