python离散特征编码

Posted 2020-11-03 change_world

离散特征编码分两种，特征具有大小意义，特征不具有大小意义。

1、特征不具备大小意义的直接独热编码

2、特征有大小意义的采用映射编码

[python] view plain copy

 

1. import pandas as pd   
2. df = pd.DataFrame([    
3.             [‘green‘, ‘M‘, 10.1, ‘label1‘],     
4.             [‘red‘, ‘L‘, 13.5, ‘label2‘],     
5.             [‘blue‘, ‘XL‘, 15.3, ‘label2‘]])    
6. # color、label不具备大小含义，size具有大小意义  
7. df.columns = [‘color‘, ‘size‘, ‘length‘, ‘label‘]    
8. df  

 

[python] view plain copy

 

1. size_mapping = {    
2.            ‘XL‘: 3,    
3.            ‘L‘: 2,    
4.            ‘M‘: 1}    
5. df[‘size‘] = df[‘size‘].map(size_mapping)    
6.     
7. label_mapping = {lab:idx for idx,lab in enumerate(set(df[‘label‘]))}    
8. df[‘label‘] = df[‘label‘].map(label_mapping)    
9. df  

直接使用函数进行独热编码

并不会区分是否具有大小含义

 

[python] view plain copy

 

1. import pandas as pd   
2. df = pd.DataFrame([    
3.             [‘green‘, ‘M‘, 10.1, ‘label1‘],     
4.             [‘red‘, ‘L‘, 13.5, ‘label2‘],     
5.             [‘blue‘, ‘XL‘, 15.3, ‘label2‘]])    
6. # color、label不具备大小含义，size具有大小意义  
7. df.columns = [‘color‘, ‘size‘, ‘length‘, ‘label‘]    
8. pd.get_dummies(df)  

get_dummies用法：

 

[python] view plain copy

 

1. import pandas as pd  
2. s = pd.Series(list(‘abca‘))  
3. pd.get_dummies(s)  

 

 

 

[python] view plain copy

 

1. df = pd.DataFrame({‘A‘: [‘a‘, ‘b‘, ‘a‘], ‘B‘: [‘b‘, ‘a‘, ‘c‘],  
2.                     ‘C‘: [1, 2, 3]})  

[python] view plain copy

 

1. pd.get_dummies(df, prefix=[‘col1‘, ‘col2‘])