将原始数据中的字符串特征转化为模型可以识别的数字特征可是使用pandas自带的factorzie方法。
原始数据的job特征值如下
都是字符串特征,无法用于训练，当然可以单独建立map硬编码处理，但是pandas已经封装好了相应的方法。
data = pd.read_csv("data/test_set.csv")
data["job"] = pd.factorize(data["job"])[0].astype(np.uint16)
以上这篇pandas factorize实现将字符串特征转化为数字特征就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持【听图阁-专注于Python设计】。
对一名开发者来说最糟糕的情况，莫过于要弄清楚一个不熟悉的应用为何不工作。有时候，你甚至不知道系统运行，是否跟原始设计一致。 在线运行的应用就是黑盒子，需要被跟踪监控。最简单也最重要的方式...
缘起 这段时间给朋友搞了个群发邮件的脚本，为了防止进入垃圾邮件，做了很多工作，刚搞完，垃圾邮件进入率50%，觉得还不错，如果要将垃圾邮件的进入率再调低，估计就要花钱买主机了，想想也就算了...
这篇文章主要介绍了Python性能分析工具Profile使用实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 代码优化的前提是需要了...
本文实例讲述了Python使用matplotlib绘制余弦的散点图。分享给大家供大家参考，具体如下： 一 代码 import numpy as np import pylab as...
我就废话不多说了，直接上代码吧！ # -*- coding: utf-8 -*- from kashgari.corpus import DataReader import re f...