有时候不得不处理一些非数值类别的数据，嗯， 今天要说的就是面对这些数据该如何处理。
目前了解到的大概有三种方法：
1，通过labelencoder来进行快速的转换；
2，通过mapping方式，将类别映射为数值。不过这种方法适用范围有限；
3，通过get_dummies方法来转换。
1 import pandas as pd 2 from io import stringio 3 4 csv_data = '''a,b,c,d 5 1,2,3,4 6 5,6,,8 7 0,11,12,''' 8 9 df = pd.read_csv(stringio(csv_data))10 print(df)11 #统计为空的数目12 print(df.isnull().sum())13 print(df.values)14 15 #丢弃空的16 print(df.dropna())17 print('after', df)18 from sklearn.preprocessing import imputer19 # axis=0 列 axis = 1 行20 imr = imputer(missing_values='nan', strategy='mean', axis=0)21 imr.fit(df) # fit 构建得到数据22 imputed_data = imr.transform(df.values) #transform 将数据进行填充23 print(imputed_data)24 25 df = pd.dataframe([['green', 'm', 10.1, 'class1'],26 ['red', 'l', 13.5, 'class2'],27 ['blue', 'xl', 15.3, 'class1']])28 df.columns =['color', 'size', 'price', 'classlabel']29 print(df)30 31 size_mapping = {'xl':3, 'l':2, 'm':1}32 df['size'] = df['size'].map(size_mapping)33 print(df)34 35 ## 遍历series36 for idx, label in enumerate(df['classlabel']):37 print(idx, label)38 39 #1, 利用labelencoder类快速编码,但此时对color并不适合,40 #看起来,好像是有大小的41 from sklearn.preprocessing import labelencoder42 class_le = labelencoder()43 color_le = labelencoder()44 df['classlabel'] = class_le.fit_transform(df['classlabel'].values)45 #df['color'] = color_le.fit_transform(df['color'].values)46 print(df)47 48 #2, 映射字典将类标转换为整数49 import numpy as np50 class_mapping = {label: idx for idx, label in enumerate(np.unique(df['classlabel']))}51 df['classlabel'] = df['classlabel'].map(class_mapping)52 print('2,', df)53 54 55 #3,处理1不适用的56 #利用创建一个新的虚拟特征57 from sklearn.preprocessing import onehotencoder58 pf = pd.get_dummies(df[['color']])59 df = pd.concat([df, pf], axis=1)60 df.drop(['color'], axis=1, inplace=true)61 print(df)
以上就是【机器学习】数据预处理之将类别数据转换为数值的详细内容。