pandas數(shù)據(jù)處理之 標(biāo)簽列字符轉(zhuǎn)數(shù)字的實現(xiàn)

機(jī)器學(xué)習(xí)中，當(dāng)我們在進(jìn)行數(shù)據(jù)預(yù)處理的時候，對于標(biāo)簽列非字符的數(shù)據(jù)，我們往往需要將其轉(zhuǎn)換成字符，因為有的算法可能不支持非數(shù)字類型來做特征。

那么怎么快捷地來著這個轉(zhuǎn)換呢，請看我的示例：

1.構(gòu)建測試數(shù)據(jù)

import pandas as pd
array = ['good','bad','well','bad','good','good','well','good']

2.數(shù)據(jù)轉(zhuǎn)換下，并獲取標(biāo)簽列的字典

df = pd.DataFrame(array,columns=['status'])
status_dict = df['status'].unique().tolist()

3.使用函數(shù)進(jìn)行轉(zhuǎn)換

df['transfromed']=df['status'].apply(lambda x : status_dict.index(x))

這樣，就將標(biāo)簽列處理好了哈

等用完之后，再轉(zhuǎn)回來

df['transfromed1']= df['transfromed'].apply(lambda x : status_dict[x])

補充：pandas factorize將字符串特征轉(zhuǎn)化為數(shù)字特征

將原始數(shù)據(jù)中的字符串特征轉(zhuǎn)化為模型可以識別的數(shù)字特征可是使用pandas自帶的factorzie方法。

原始數(shù)據(jù)的job特征值如下

都是字符串特征,無法用于訓(xùn)練，當(dāng)然可以單獨建立map硬編碼處理，但是pandas已經(jīng)封裝好了相應(yīng)的方法。

data = pd.read_csv("data/test_set.csv")
data["job"] = pd.factorize(data["job"])[0].astype(np.uint16)

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。