二进制编码似乎是最自然的，准确地捕捉当前关系而不引入不存在的关系。然后，名称的组合被认为是超立方体的顶点；自然，如果您将其分解为一维，您将引入不存在的关系。事实上，这就是标签编码所发生的情况：Bob 与 Alice 的关系并不比 Dave 更接近，但您的标签编码使情况看起来如此。

我通常对二进制编码感到满意，所以我没有太多支持以下内容，但有一些想法：

对于您的情况，您仍然可以将超立方体投影到一维；有很多方法可以做到这一点，每一种方法都会添加一些不应该存在的额外信息。您可以尝试并尝试找到最适合您的目的的一种。

这听起来应该让人想起词嵌入，并建议了另一种方法：使用神经网络生成“实体嵌入”，即从超立方体到一些较小维度空间的投影。通过这种方式，您可以发现对您的问题有用的人的组合（也许您最终会得到“爱丽丝和戴夫中的至少一个”等特征）。您还可以做一些更透明的事情，并手动进行一些特征工程来挑选有趣的组合和分箱，以保持特征的数量可控。为此，您可以考虑对每个组合进行目标编码。（确实，这本身就是一个非常简单的解决方案，尽管如果你有很多人或一些罕见的人组合，目标编码很容易导致过度拟合。）

最后，您也许可以将包含 (Alice, Dave) 的行分成两部分，一个是 Alice，另一个是 Dave。您现在可以进行标签编码（或其他任何方式），并且需要一个能够理解每个样本点的多行的模型，或者一个处理组合行的后处理方法。

我认为，这取决于你有多少独特的价值，以及接下来你想用这些数据做什么。中间表目前似乎是不错的解决方案，但您预计会产生开销。因此，也许它适合您以单热方式（二进制编码）创建位掩码。

为了减少 onehot 编码产生的列数，一种解决方案可能是target encoding。也就是说，如果您有下表：

   Alice  Bob  Dave Other_features Target
0      1    1     0             X1      0
1      1    1     0             X2      1
2      1    1     0             X3      0
3      1    1     1             X4      1
4      1    1     1             X5      1
5      1    1     1             X6      1
6      0    0     1             X7      0
7      0    0     1             X8      0

您可以创建一个表：

Group               Group_Avg_target
Alice,Bob                      0.333
Alice, Bob, Dave                   1
Dave                               0

然后替换数据集中的值：

   Group_Avg_target Other_features Target
0             0.333             X1      0
1             0.333             X2      1
2             0.333             X3      0
3                 1             X4      1
4                 1             X5      1
5                 1             X6      1
6                 0             X7      0
7                 0             X8      0

这样你最终会得到一列。如果您有足够的实例可以按人群获得有意义的平均值，这主要是有效的。我一般不建议使用它，因为你会失去很多人与人之间的互动，这可能很难解释发生了什么。

注意：要使用此解决方案，您需要确保没有“目标泄漏”，即使用火车上计算的平均值来编码您的测试数据集。

首先，对您的Name列执行 OneHotEncoder 操作，这将为您提供如上所述的三列，即Alice、Bob和Dave。

完成后我们有这个表OneHotEncoding：

    Alice  Bob  Dave
0   1      1    0     
1   1      1    1   
2   0      0    1     

现在您可以apply在这些列上调用函数；传递以逐行axis=1使用函数，然后将其转换为然后它们如下（函数将输入转换为给定的数据类型）：applydtypestrjoinastype

df['AliceBobDave']= df[df.columns[0:]].apply(lambda x: ','.join(x.dropna().astype(int).astype(str)),axis=1)

以上将为您提供输出：

     Alice  Bob  Dave  AliceBobDave
0    1      1    0     1,1,0
1    1      1    1     1,1,1
2    0      0    1     0,0,1

现在在下面运行此命令以删除columns最终数据帧中不需要的。例如。在这种情况下，我们删除Alice, Bob, 并Dave使用droppandas 中的函数：

df = df.drop(['Alice','Bob','Dave'], axis = 1)

df执行此命令后，如果我们使用打印print(df)，我们会得到：

    AliceBobDave
0   1,1,0
1   1,1,1
2   0,0,1

这是您想要的输出。