前言

數據排序、分類變量轉換是數據處理與分析中常常遇到對場景，且需要有準確的判斷以及準確的處理方式，否則會影響數據質量，產生臟數據，進而影響數據呈現效果或預測效果等，更別提機器學習與深度學習準確性等系列問題。小編接下來會針對python方法在該場景的應用做具體介紹。

排列和隨機采樣

利用numpy.random.permutation函數可以輕松實現對Series和DataFrame的列的排列工作（permuting，隨機重排序）。通過需要排列的軸的長度調用permutation，可產生一個表示新順序的整數數組：

1.使用permutation()進行排列

我們先使用DataFrame創建一個5行4列的數據集，然后使用numpy.random.permutation函數進行重新排序，具體如下：

2.使用take函數對數據集進行重排序

通過下面對例子可以清楚理解take函數對作用。sampler是np.random.permutation()生成對隨機數組，然后將這個對象傳入到take函數中，作用于對象數據集，具體如下所示：

In [8]: df Out[8]: 0 1 2 3 0 0 1 2 3 1 4 5 6 7 2 8 9 10 11 3 12 13 14 15 4 16 17 18 19In [9]: df.take(sampler) Out[9]: 0 1 2 3 0 0 1 2 3 1 4 5 6 7 4 16 17 18 19 3 12 13 14 15 2 8 9 10 11

如果不想用替換的方式選取隨機子集，則可以使用permutation：從permutation返回的數組中切下前k個元素，其中k為期望的子集大小。

In [10]: df.take(np.random.permutation(len(df))[:3]) Out[10]: 0 1 2 3 3 12 13 14 15 2 8 9 10 11 0 0 1 2 3

3.獲取隨機整數：np.random.randint

要通過替換的方式產生樣本，最快的方式通過np.random.randint得到一組隨機整數：

In [11]: ba=np.array([5,7,-1,6,4]) In [12]: ba Out[12]: array([ 5, 7, -1, 6, 4]) In [13]: sampler=np.random.randint(0,len(ba),size=10) In [14]: sampler Out[14]: array([1, 3, 1, 3, 1, 2, 3, 4, 2, 0]) In [15]: draws=ba.take(sampler) In [16]: draws Out[16]: array([ 7, 6, 7, 6, 7, -1, 6, 4, -1, 5])

計算指標/啞變量

另一種常用于統計建模或機器學習的轉換方式是：將分類變量轉換為“啞變量矩陣”或“指標矩陣”。如果DataFrame的某一列中含有k個不同的值，則可以派生出一個k列矩陣或DataFrame（其值權威1和0）.pandas有一個get_dummies函數可以實現該功能。

In [17]: df=DataFrame({'key':['b','b','a','c','a','b'],'data1':range(6)}) In [18]: df Out[18]: key data1 0 b 0 1 b 1 2 a 2 3 c 3 4 a 4 5 b 5 In [19]: df['key'] Out[19]: 0 b 1 b 2 a 3 c 4 a 5 b Name: key, dtype: object

使用get_dummies()將分類變量轉換為“啞變量矩陣”

In [20]: pd.get_dummies(df['key']) Out[20]: a b c 0 0 1 0 1 0 1 0 2 1 0 0 3 0 0 1 4 1 0 0 5 0 1 0

總結

數據處理與分析的方法豐富且場景復雜，針對不同的應用情況，選擇適合的方法是最恰當且能解決實際問題的。希望大家從中有所收益，實踐中多體會和沉淀，感謝大家支持！記得關注哦！

總結

以上是生活随笔為你收集整理的分类变量 哑变量矩阵 指标矩阵_不懂数据集重排序？分类变量转换苦难？4种python方法，不再难！...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。