标签:concat str 数值 unique roc import 利用 dataframe 行数据
在进行python数据分析的时候,首先要进行数据预处理。
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 Imputer 19 # 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Series 36 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 LabelEncoder 42 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 np 50 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 OneHotEncoder 58 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)
标签:concat str 数值 unique roc import 利用 dataframe 行数据
原文地址:http://www.cnblogs.com/fall12/p/7119162.html