python-机器学习-数据标签转化

Posted 2021-12-07 终黑极客

目的：一般情况下，我们拿到的数据有自变量部分和因变量部分，而因变量部分有时候不是有数字形式表示，而是有字符串表示，比如身高的因变量为lowest，lower，low，high，higher，highest。

这是在进行机器学习模型训练时，需要将其转化为数字形式，共有以下两种操作可以实现。

方法1： 利用pandas的Categorical方法的codes属性

方法2：利用sklearn包的preprocessing模块的LabelEncoder类

代码实现如下：

# -*- coding:utf-8 -*-
import pandas as pd
import numpy as np
import sys, os, re
from sklearn.preprocessing import LabelEncoder

labels   = ["LUSC", "LUAD", "Normal"] * 10
samples  = np.random.randn(len(labels), 4)

data = pd.DataFrame(data = samples, columns = ["feature1", "feature2", "feature3", "feature4"])
data["label"] = labels
print("原始数据\\n", data.head())
y1 = pd.Categorical(data.label).codes # 方法1：
y2 = LabelEncoder().fit_transform(data.label)# 方法2：
print("pandas的Categorical方法的codes属性：\\n", y1)
print("sklearn.preprocessing的LabelEncoder类: \\n", y2)
data.label = y1 # data.label = y2
print("转换字符标签为数字标签后的数据：\\n", data.head())

Categorical