ML之FE：對pandas的dataframe中的類別型字段進(jìn)行數(shù)字編碼化(類別型特征數(shù)值化)并導(dǎo)出映射表daiding

目錄

對pandas的dataframe中的類別型字段進(jìn)行數(shù)字編碼化(類別型特征數(shù)值化)并導(dǎo)出映射表

---

對pandas的dataframe中的類別型字段進(jìn)行數(shù)字編碼化(類別型特征數(shù)值化)并導(dǎo)出映射表

# ML之FE：對pandas的dataframe中的類別型字段進(jìn)行數(shù)字編碼化(類別型特征數(shù)值化)并導(dǎo)出映射表 from sklearn.preprocessing import LabelEncoder from NDataScience.DataAnalysis import Dict2DfByRow for col in df.columns:print(col,df[col].dtype)if df[col].dtype in ['float64', 'int', 'int64']:df[col] = pd.to_numeric(df[col])else:# 全部字符串化df[col] = df[col].apply(str)# 編碼化LbE = LabelEncoder()LbE.fit(df[col])df[col] = LbE.transform(df[col])#導(dǎo)出映射表：開發(fā)邏輯中需要mapping_dict = dict(zip(LbE.classes_, range(1, len(LbE.classes_) + 1)))mapping_dict = {encode: label for label, encode in enumerate(LbE.classes_)}Dict2DfByRow(mapping_dict,mark=col)

總結(jié)

以上是生活随笔為你收集整理的ML之FE：对pandas的dataframe中的类别型字段进行数字编码化(类别型特征数值化)并导出映射表daiding的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。