數(shù)據(jù)的數(shù)值轉(zhuǎn)換有兩種方式：

1. factorize

API：

?pandas.factorize(values, sort=False, order=None, na_sentinel=-1, size_hint=None)?

將對(duì)象編碼為枚舉類型或分類變量。

輸入?yún)?shù)：

values: 一維數(shù)據(jù)序列

sort: 為數(shù)據(jù)加標(biāo)簽的時(shí)候需不需要保持原有數(shù)據(jù)的大小關(guān)系，默認(rèn)False

na_sentinel: 對(duì)于沒有找到數(shù)據(jù)的賦予的標(biāo)簽，默認(rèn)-1

返回：

labels和uniques，一般使用的是labels，因此在factorize得到的數(shù)據(jù)要寫上第幾維數(shù)據(jù)。

pd.factorize()[0]

2. dummy

API：

?pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False,drop_first=False, dtype=None)

?Convert categorical variable into dummy/indicator variables?

輸入?yún)?shù)：

prefix: 轉(zhuǎn)換成dummy類型后新增加特征的名字前綴

具體這兩種轉(zhuǎn)換方法對(duì)于最后的結(jié)果有什么影響還沒有試過，等豆桑把titanic程序看完了實(shí)驗(yàn)一下。

其實(shí)就豆桑自己分析的話，由于factorize后的數(shù)據(jù)不是歸一化的，而get_dummies后的數(shù)據(jù)都是0和1，不需要再進(jìn)行歸一化，因此豆桑覺得可能更多地應(yīng)用會(huì)是get_dummies。

總結(jié)

以上是生活随笔為你收集整理的数据数值转换factorize和dummy的全部?jī)?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。