說明：DictVectorizer的處理物件是符號化(非數字化)的但是具有一定結構的特徵資料，如字典等，將符號轉成數字0/1表示。

#-*- coding:utf-8 -*-

#學習目標：使用DictVectorizer對使用字典儲存的資料進行特徵抽取和向量化

#定義一組字典列表，用來表示多個數據樣本（每個字典代表一個數據樣本）
measurements = [{'city':'Beijing','temperature':33.},{'city':'London','temperature':12.},{'city':'San Fransisco','temperature':18.}]
#從sklearn.feature_extraction匯入DictVectorizer
 

from sklearn.feature_extraction import DictVectorizer
vec = DictVectorizer()
#輸出轉化後的特徵矩陣
print vec.fit_transform(measurements).toarray()
#輸出各個維度的特徵含義
print vec.get_feature_names()

輸出結果為：

[[  1.   0.   0.  33.]
 [  0.   1.   0.  12.]
 [  0.   0.   1.  18.]]

['city=Dubai', 'city=London', 'city=San Fransisco', 'temperature']
 

我們不難發現，DictVectorizer對非數字化的處理方式是，藉助原特徵的名稱，組合成新的特徵，並採用0/1的方式進行量化，而數值型的特徵轉化比較方便，一般情況維持原值即可。

接下來進一步驗證這個結論，決定在每個原來的字典結構中，再增加一個符號化特徵，”country”

#-*- coding:utf-8 -*-

#定義一組字典列表，用來表示多個數據樣本（每個字典代表一個數據樣本）
measurements = [{'city':'Beijing','country':'CN','temperature':33.},{'city':'London','country':'UK','temperature'
 
:12.},{'city':'San Fransisco','country':'USA','temperature':18.}]
#從sklearn.feature_extraction匯入DictVectorizer
from sklearn.feature_extraction import DictVectorizer
vec = DictVectorizer()
#輸出轉化後的特徵矩陣
print vec.fit_transform(measurements).toarray()
#輸出各個維度的特徵含義
print vec.get_feature_names()

輸出結果：

[[  1.   0.   0.   1.   0.   0.  33.]
 [  0.   1.   0.   0.   1.   0.  12.]
 [  0.   0.   1.   0.   0.   1.  18.]]

['city=Dubai', 'city=London', 'city=San Fransisco', 'country=CN', 'country=UK', 'country=USA', 'temperature']