后端开发|Python教程
预处理,类别,数据
后端开发-Python教程
在进行python数据分析的时候，首先要进行数据预处理。
网站源码带支付,ubuntu长按事件检测,爬虫的下载缓存,flarum主页php,hyein seo 帽子lzw
有时候不得不处理一些非数值类别的数据，嗯， 今天要说的就是面对这些数据该如何处理。
注册 vc 源码下载,vscode破解版,Ubuntu 更新微码,tomcat没有网络,sqlite数据库 php,java爬虫疫情数据毕业论文,php开发界面,北京seo推广价位,采购网站源码,手机端网页视频播放器插件下载,网页许愿墙模板lzw
目前了解到的大概有三种方法：
机床网站源码,ubuntu电脑如何关机,网络爬虫软件定义,tomcat php,温岭seo外包lzw
1，通过LabelEncoder来进行快速的转换；
2，通过mapping方式，将类别映射为数值。不过这种方法适用范围有限；
3，通过get_dummies方法来转换。
1 import pandas as pd 2 from io import StringIO 3 4 csv_data = \A,B,C,D 5 1,2,3,4 6 5,6,,8 7 0,11,12,\ 8 9 df = pd.read_csv(StringIO(csv_data))10 print(df)11 #统计为空的数目12 print(df.isnull().sum())13 print(df.values)14 15 #丢弃空的16 print(df.dropna())17 print(after, df)18 from sklearn.preprocessing import Imputer19 # axis=0 列 axis = 1 行20 imr = Imputer(missing_values=NaN, strategy=mean, axis=0)21 imr.fit(df) # fit 构建得到数据22 imputed_data = imr.transform(df.values) #transform 将数据进行填充23 print(imputed_data)24 25 df = pd.DataFrame([[green, M, 10.1, class1],26 [ ed, L, 13.5, class2],27 [lue, XL, 15.3, class1]])28 df.columns =[color, size, price, classlabel]29 print(df)30 31 size_mapping = {XL:3, L:2, M:1}32 df[size] = df[size].map(size_mapping)33 print(df)34 35 ## 遍历Series36 for idx, label in enumerate(df[classlabel]):37print(idx, label)38 39 #1, 利用LabelEncoder类快速编码,但此时对color并不适合,40 #看起来,好像是有大小的41 from sklearn.preprocessing import LabelEncoder42 class_le = LabelEncoder()43 color_le = LabelEncoder()44 df[classlabel] = class_le.fit_transform(df[classlabel].values)45 #df[color] = color_le.fit_transform(df[color].values)46 print(df)47 48 #2, 映射字典将类标转换为整数49 import numpy as np50 class_mapping = {label: idx for idx, label in enumerate(np.unique(df[classlabel]))}51 df[classlabel] = df[classlabel].map(class_mapping)52 print(2,, df)53 54 55 #3,处理1不适用的56 #利用创建一个新的虚拟特征57 from sklearn.preprocessing import OneHotEncoder58 pf = pd.get_dummies(df[[color]])59 df = pd.concat([df, pf], axis=1)60 df.drop([color], axis=1, inplace=True)61 print(df)
