pandas中對(duì)特征進(jìn)行硬編碼和onehot編碼的實(shí)現(xiàn)方法

這篇文章將為大家詳細(xì)講解有關(guān)pandas中對(duì)特征進(jìn)行硬編碼和onehot編碼的實(shí)現(xiàn)方法，小編覺(jué)得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

首先介紹兩種編碼方式硬編碼和onehot編碼，在模型訓(xùn)練所需要數(shù)據(jù)中，特征要么為連續(xù)，要么為離散特征，對(duì)于那些值為非數(shù)字的離散特征，我們要么對(duì)他們進(jìn)行硬編碼，要么進(jìn)行onehot編碼，轉(zhuǎn)化為模型可以用于訓(xùn)練的特征

初始化一個(gè)DataFrame

import pandas as pd
df = pd.DataFrame([
 ['green', 'M', 20, 'class1'],
 ['red', 'L', 21, 'class2'],
 ['blue', 'XL',30, 'class3']])
df.columns = ['color', 'size', 'weight', 'class label']

硬編碼：

將feature的值從0（或者1）開(kāi)始進(jìn)行連續(xù)編碼，比如color進(jìn)行硬編碼，color的值有三個(gè)，分別為編碼為1,2,3

可以用如下操作，對(duì)color字段下的值進(jìn)行硬編碼

colorMap = {elem:index+1 for index,elem in enumerate(set(df["color"]))}
df['color'] = df['color'].map(colorMap)

這樣可以進(jìn)行硬編碼了，之前我的寫(xiě)法是，先生成map，然后對(duì)每一行進(jìn)行apply，顯然沒(méi)有上述代碼簡(jiǎn)便

onehot編碼：

將某個(gè)字段下所有值橫向展開(kāi)，對(duì)于每條數(shù)據(jù)，其在對(duì)應(yīng)展開(kāi)的值上的值就是1，聽(tīng)起來(lái)比較繞口，看下面的例子就知道了，python中，pandas 用get_dummies()方法即可

data1 = pd.get_dummies(df[["color"]])

如果要對(duì)多個(gè)feature 進(jìn)行onehot，這樣即可df[[fea1,fea2..]]

對(duì)于onehot以后的數(shù)據(jù)，如果需要原有的數(shù)據(jù)合并，直接拿原來(lái)的join onehot的數(shù)據(jù)即可

res = df.join(data1)

join操作默認(rèn)是根據(jù)index來(lái)進(jìn)行join的，而get_dummies()不會(huì)改變index

關(guān)于“pandas中對(duì)特征進(jìn)行硬編碼和onehot編碼的實(shí)現(xiàn)方法”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺(jué)得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。