基于pandas将类别属性转化为数值属性的方法
作者：chenpe32cp 发布时间：2021-11-24 07:15:16
标签：pandas,数值,属性
离散特征的编码分为两种情况：
1、离散特征的取值之间没有大小的意义，比如color：[red,blue],那么就使用one-hot编码
2、离散特征的取值有大小的意义，比如size:[X,XL,XXL],那么就使用数值的映射{X:1,XL:2,XXL:3}
使用pandas可以很方便的对离散型特征进行one-hot编码
import pandas as pd
df = pd.DataFrame([
['green', 'M', 10.1, 'class1'],
['red', 'L', 13.5, 'class2'],
['blue', 'XL', 15.3, 'class1']])
df.columns = ['color', 'size', 'prize', 'class label']
size_mapping = {
'XL': 3,
'L': 2,
'M': 1}
df['size'] = df['size'].map(size_mapping)
class_mapping = {label:idx for idx,label in enumerate(set(df['class label']))}
df['class label'] = df['class label'].map(class_mapping)
说明：对于有大小意义的离散特征，直接使用映射就可以了，{‘XL':3,'L':2,'M':1 }
Using the get_dummies will create a new column for every unique string in a certain column:使用get_dummies进行one-hot
编码
pd.get_dummies(df)
来源：https://blog.csdn.net/chenpe32cp/article/details/75452592
0
投稿猜你喜欢
这篇文章主要介绍了python通过移动端访问查看电脑界面,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的- 本文我们来做一个简单的随机漫步数据图，进一步了解matplotlib的使用，使用Python生成随机漫步数据，再使用matplotlib绘制
- SQL Server：Select TOP N * From TABLE Order By NewID() view
- 【OpenCV】⚠️高手勿入! 半小时学会基本操作⚠️图像梯度概述OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天
- SQLserver 2000中出现“指定的服务并未以已安装的服务存在" 解决方案一、将计算机名改成大写。二、将sql server
- 我就废话不多说了，直接上代码吧！# 寻找局部最高点# 输入input: 含有最高点高度的列表# 输出output: 返回最高点的位置# 时间
- Java 正则表达式判断字符串是否以字符开始：public static boolean startWithChar(String s) {
- 前言：大家都知道python项目中需要导入各种包（这里的包引鉴于java中的），官话来讲就是Module。而什么又是Module呢，通俗来讲
- 清除浮动一个凡是做页面的人都会遇到的一个东西，但是是否大家都能够清楚的知道，全方位的了解呢？于是一闲下来了马上写了这样的一篇文章，不能讲面面
- 本文详细讲述了CI框架整合smarty步骤。分享给大家供大家参考，具体如下：Ci结合smarty的配置步骤：1. 第一步配置ci和下载sma
- 当两个数包含小数进行运算的时候结果并不是正确的结果，而是出现了精度丢失的情况（小数点后面出现很多位）。问题所在：res.orderColor
- 前言Python 相对导入与绝对导入，这两个概念是相对于包内导入而言的。包内导入即是包内的模块导入包内部的模块。Python import
- 下午有同学Python学习群里说，使用pyinstaller打包源码时，因为代码中使用了图像、音频、视频等资源文件，无法将程序打包成单一的可
- 前言：str转换为json格式，前提一定需要保证这个str的格式和json是一致的，即左边最外层是大括号，右边的最外层是大括号。如果不一致，
- jenkins是什么？ Jenkins是一个开
- 目录1.随机取小数：2.整数的随机选取:3.随机列表取数,元素打乱:总结1.随机取小数：import randomprint(random.
- 1 常规错误的yum安装方法：在前文中记述了CentOS 6.5系统中通过yum方式快速地搭建了LNMP环境，那么是否也能在CentOS 7
- 步骤——1:定位在通过与客户,或与和客户接触的业务人员交流,做出一个准确的定位.定位的准确与否,虽然不能决定一定通过,但如果定位不准或相差太
- 本文实例讲述了Python3.5 Pandas模块缺失值处理和层次索引。分享给大家供大家参考，具体如下：1、pandas缺失值处理impor
- 本文实例讲述了Python实现扣除个人税后的工资计算器。分享给大家供大家参考，具体如下：正好处于找工作期间避免不了会跟单位谈论薪资的情况，当
