諸如sklearn庫，只能對數(shù)值型數(shù)據(jù)進(jìn)行訓(xùn)練分析，我們要把非數(shù)值型數(shù)據(jù)轉(zhuǎn)換成數(shù)值型，在這里介紹幾種方法，和大家一起學(xué)習(xí)。

實(shí)驗(yàn)數(shù)據(jù)

1. one-hot encode（獨(dú)熱編碼）

適用于屬性值域較小的特征，如 gender = {‘male’， ‘female’} ，它將添加2個新的列：female,male（之所以是2，因?yàn)閟ex特征只有兩種取值。），若是女性，則兩個新列取(1,0)，反之為(0,1)。類似于寄存器引腳的有效電平，或者網(wǎng)絡(luò)編程中select函數(shù)的fd_set參數(shù)變量

以這個例子：

dummy_df  = pd.get_dummies(df.gender)
dummy_df = dummy_df.rename(columns= lambda x: 'gender_'+str(x) )
df = pd.concat([df, dummy_df], axis=1)

Snip20180902_21.png

2. 使用map函數(shù)

pandas中， Series有map()函數(shù)，可以用它來實(shí)現(xiàn)少量的映射

# create mapping rule
mapping_size = {'S':1, 'M':2, 'L':3}

# mapping
df['size'] = df['size'].map(mapping_size)

Snip20180902_23.png

3. factorizing 因子化

factorize函數(shù)把相同字符串映射為同一數(shù)字

pd.factorize(df.gender)

Snip20180902_27.png

結(jié)果返回一個元祖，發(fā)現(xiàn)第一個數(shù)組跟上圖的gender_female列一致。我試著又添加了一種性別，再次調(diào)用后：

Snip20180902_28.png

關(guān)于獨(dú)熱編碼的具體介紹，大家可以看 OneHotEncoder獨(dú)熱編碼和 LabelEncoder標(biāo)簽編碼.