獨熱編碼（One-Hot Encoding） 是指把一列類別性特征（或稱名詞性特征，nominal/categorical features）映射成一系列的二元
連續特征的過程，原有的類別性特征有幾種可能取值，這一特征就會被映射成幾個二元連續特征，每一個特征代表一種取值，若該樣
本表現出該特征，則取1，否則取0。
One-Hot編碼適合一些期望類別特征為連續特征的算法，比如說邏輯斯蒂回歸等。
首先創建一個DataFrame，其包含一列類別性特征，需要注意的是，在使用OneHotEncoder進行轉換前，DataFrame需要先使用
StringIndexer將原始標簽數值化：
#導入相關的類庫
from pyspark.sql import SparkSession
from pyspark.ml.feature import OneHotEncoder,StringIndexer
#創建SparkSession對象，配置spark
spark = SparkSession.builder.master('local').appName('OneHotEncoderDemo').getOrCreate()
#創建一個簡單的DataFrame訓練集
df = spark.createDataFrame([
(0, "a"),
(1, "b"),
(2, "c"),
(3, "a"),
(4, "a"),
(5, "c")
], ["id", "category"])
#創建StringIndexer對象，設置輸入輸出參數
indexer = StringIndexer(inputCol='category', outputCol='categoryIndex')
#生成訓練模型
model = indexer.fit(df)
#利用生成的model對DataFrame進行轉換
indexed = model.transform(df)
#創建OneHotEncoder對象，設置輸入輸出參數
onehotencoder = OneHotEncoder(inputCol='categoryIndex', outputCol='categoryVec')
#我們創建OneHotEncoder對象對處理后的DataFrame進行編碼，可以看見，編碼后的二進制特征呈稀疏
#向量形式，與StringIndexer編碼的順序相同，需注意的是最后一個Category（”b”）被編碼為全0向
#量，若希望”b”也占有一個二進制特征，則可在創建OneHotEncoder時指定setDropLast(false)。
oncoded = onehotencoder.transform(indexed)
oncoded.show()
