利用pandas将非数值数据转换成数值的方式
handlenonnumericaldata
举个例子，将性别属性男女转换成0-1，精通ML的小老弟们可以略过本文~~，
这里不考虑稀疏向量的使用，仅提供一些思路。本来想直接利用pandas的DataFrame.iloc加上for循环直接转换，但试过一遍之后，原数据并有改变。。。。蛋疼写了一个比较菜的函数，如下。
#非数值列处理函数
defhandel_non_numerical_data(df,name):#----------------name是需要处理的列名称(str)，暂不考虑列表
nrows=len(df[name])#----------------数据集的行数
old_col=df.columns.tolist()#----------------初始的列名集合
name_index=old_col.index(name)#---------要处理的列的在数据集中的索引值
name_data=df[name].values.tolist()#-----------将要处理烦人列复制成一个列表
df.drop([name],axis=1,inplace=True)
unique_kinds=set(name_data)
convert_dict={};x=0#构造对应种类数值转化字典
foriinunique_kinds:
convert_dict[i]=x
x+=1
defconvert(val):
returnconvert_dict[val]
name_data=list(map(convert,name_data))#利用map函数直接迭代转化
new_col=df.columns.tolist()
new_col.insert(name_index,name)
df.reindex(columns=new_col)#----------------重构数据的列
df[name]=name_data
跑了一遍没有出错，注意这只是baseline…，如果对数值有要求的话，需要自行改动
原本是想直接用youtube上sentdex老哥ml35期视频里的代码的，但发现了几个较为严重的bug，而且总是运行出错，如下
defhandle_non_numerical_data(df):
columns=df.columns.values
forcolumnincolumns:
text_digit_vals={}
defconvert_to_int(val):
returntext_digit_vals[val]
ifdf[column].dtype!=np.int64anddf[column].dtype!=np.float64:
column_content=df[column].values.tolist()
unique_elements=set(column_content)
print(unique_elements)
x=0
foruniqueinunique_elements:
ifuniquenotintext_digit_vals:
text_digit_vals[unique]=x
x+=1
df[column]=list(map(convert_to_int,df[column]))
可见，非常暴力，注意到他的if条件，有的数据集中会出现字母数字组合的情况【会出现dtype=object的情况】，set之后种类会草鸡多…，这样的话数值转换也就失去了意义【当然，如果你的样本量是亿级的，几千几百个种类无所谓我也无fuck说，这种情况我认为必须使用稀疏向量了】，另外这个代码一直报错，不知道为什么，有兴趣的老哥可以复制跑一下帮我解答一下。。。
---------------------------2019-08-21分割：
https://www.kaggle.com/nroman/recursive-feature-elimination
LabelEncoder方法
fromsklearn.preprocessingimportLabelEncoder
注：tqdm是进度条库，不需要关注。另外没有去看这个接口的源码，应该也是最简单的one-hot
以上这篇利用pandas将非数值数据转换成数值的方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。