我收集了关于天气预报的小时数据。我收集的特征包括数值型的 – ‘温度’、’降水量’，以及分类型的 – ‘天气预报’（例如’晴’、’多云’、’阴’、’雨’、’大雨’等）。我需要创建每日天气预报的统计数据。对于数值型特征，处理起来很简单（如最小值、最大值、平均值、标准差等），但对于分类数据，我有点不知道该怎么处理。我在考虑对’天气预报’特征进行每小时的独热编码，然后将这些值相加。

例如，对于以下数据：

hour      weather_forecast8:00         sunny9:00         sunny10:00        sunny11:00        cloudy12:00        rain13:00        cloudy

在独热编码中

       sunny     cloudy     rain8:00      1         0         09:00      1         0         010:00     1         0         011:00     0         1         012:00     0         0         113:00     0         1         0

我会得到如下统计数据：

sunny: 3cloudy: 2rain: 1

这可能会让我得到一天中天气的聚合统计数据。

我想知道这种方法是否有任何陷阱/问题，或者需要注意的事项。这种编码是否有名称（我在网上找不到）。

回答：

当你对天气预报应用独热编码时，你的编码就完成了。总和只是显示了天气晴朗、多云等小时的数量。

如果你将你的统计数据除以总小时数，你将得到某一时间段内（例如一天）不同天气类型的百分比。我认为这没有什么特别的问题。