您好,登錄后才能下訂單哦!
handle non numerical data
舉個(gè)例子,將性別屬性男女轉(zhuǎn)換成0-1,精通ML的小老弟們可以略過(guò)本文~~,
這里不考慮稀疏向量的使用,僅提供一些思路。本來(lái)想直接利用pandas的DataFrame.iloc加上for循環(huán)直接轉(zhuǎn)換,但試過(guò)一遍之后,原數(shù)據(jù)并有改變。。。。蛋疼寫(xiě)了一個(gè)比較 菜的函數(shù),如下。
# 非數(shù)值列處理函數(shù) def handel_non_numerical_data(df,name): #----------------name是需要處理的列名稱(str),暫不考慮列表 nrows = len(df[name]) #----------------數(shù)據(jù)集的行數(shù) old_col = df.columns.tolist() #----------------初始的列名集合 name_index = old_col.index(name) #---------要處理的列的在數(shù)據(jù)集中的索引值 name_data = df[name].values.tolist()#-----------將要處理煩人列復(fù)制成一個(gè)列表 df.drop([name],axis =1,inplace =True) unique_kinds = set(name_data) convert_dict = {}; x = 0 #構(gòu)造對(duì)應(yīng)種類數(shù)值轉(zhuǎn)化字典 for i in unique_kinds: convert_dict[i] = x x += 1 def convert(val): return convert_dict[val] name_data = list(map(convert,name_data))#利用map函數(shù)直接迭代轉(zhuǎn)化 new_col = df.columns.tolist() new_col.insert(name_index,name) df.reindex(columns = new_col) #----------------重構(gòu)數(shù)據(jù)的列 df[name] = name_data
跑了一遍沒(méi)有出錯(cuò),注意這只是baseline…,如果對(duì)數(shù)值有要求的話,需要自行改動(dòng)
原本是想直接用youtube上sentdex老哥ml35期視頻里的代碼的,但發(fā)現(xiàn)了幾個(gè)較為嚴(yán)重的bug,而且總是運(yùn)行出錯(cuò) ,如下
def handle_non_numerical_data(df): columns = df.columns.values for column in columns: text_digit_vals = {} def convert_to_int(val): return text_digit_vals[val] if df[column].dtype != np.int64 and df[column].dtype != np.float64: column_content = df[column].values.tolist() unique_elements = set(column_content) print(unique_elements) x =0 for unique in unique_elements: if unique not in text_digit_vals: text_digit_vals[unique] = x x+=1 df[column] = list(map(convert_to_int,df[column]))
可見(jiàn),非常暴力,注意到他的if條件,有的數(shù)據(jù)集中會(huì)出現(xiàn)字母數(shù)字組合的情況【會(huì)出現(xiàn)dtype=object的情況】,set之后種類會(huì)草雞多…,這樣的話數(shù)值轉(zhuǎn)換也就失去了意義【當(dāng)然,如果你的樣本量是億級(jí)的,幾千幾百個(gè)種類無(wú)所謂我也無(wú)fuck說(shuō),這種情況我認(rèn)為必須使用稀疏向量了】,另外這個(gè)代碼一直報(bào)錯(cuò),不知道為什么,有興趣的老哥可以復(fù)制跑一下幫我解答一下。。。
---------------------------2019-08-21分割:
https://www.kaggle.com/nroman/recursive-feature-elimination
LabelEncoder方法
from sklearn.preprocessing import LabelEncoder
注:tqdm是進(jìn)度條庫(kù),不需要關(guān)注。另外沒(méi)有去看這個(gè)接口的源碼,應(yīng)該也是最簡(jiǎn)單的one-hot
以上這篇利用pandas將非數(shù)值數(shù)據(jù)轉(zhuǎn)換成數(shù)值的方式就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持億速云。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。