将分类变量从 String 转换为 int 表示
Posted
技术标签:
【中文标题】将分类变量从 String 转换为 int 表示【英文标题】:Convert categorical variables from String to int representation 【发布时间】:2017-04-25 23:17:03 【问题描述】:我有一个字符串数组形式的文本分类的numpy数组,即
y_train = ['A', 'B', 'A', 'C',...]
。我正在尝试应用 SKlearn 多项式 NB 算法来预测整个数据集的类。
我想将 String 类转换为整数,以便能够输入算法并将['A', 'B', 'A', 'C', ...]
转换为['1', '2', '1', '3', ...]
我可以编写一个 for 循环来遍历数组并使用 int 分类器创建一个新的,但是是否有直接的函数来实现这一点
【问题讨论】:
【参考方案1】:试试factorize方法:
In [264]: y_train = pd.Series(['A', 'B', 'A', 'C'])
In [265]: y_train
Out[265]:
0 A
1 B
2 A
3 C
dtype: object
In [266]: pd.factorize(y_train)
Out[266]: (array([0, 1, 0, 2], dtype=int64), Index(['A', 'B', 'C'], dtype='object'))
演示:
In [271]: fct = pd.factorize(y_train)[0]+1
In [272]: fct
Out[272]: array([1, 2, 1, 3], dtype=int64)
【讨论】:
【参考方案2】:如果您使用的是 sklearn,我建议您坚持使用该库中为您执行这些操作的方法。 Sklearn 有多种预处理数据的方法,例如编码标签。其中之一是sklearn.preprocessing.LabelEncoder
函数。
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
le.fit_transform(y_train)
哪些输出
array([0, 1, 0, 2])
使用le.inverse_transform([0,1,2])
映射回来
【讨论】:
【参考方案3】:另一种方法是使用数据框的 astype('category').cat.codes 将字符串值转换为数字
X=df[['User ID', 'Gender', 'Age', 'EstimatedSalary']]
X['Gender']=X['Gender'].astype('category').cat.codes
【讨论】:
以上是关于将分类变量从 String 转换为 int 表示的主要内容,如果未能解决你的问题,请参考以下文章