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】。
需求： 对一个配置文件进行处理，拿出可用的字符来拼接，下面是原始文本，我们要得到这样的结果， 复制代码 代码如下: redis -h 127.0.0.1 -p 6379 | select...
这篇文章主要介绍了Python解析json代码实例解析,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 什么是json格式： JSON...
本文介绍了pytorch 把MNIST数据集转换成图片和txt的方法，分享给大家，具体如下： 1.下载Mnist 数据集 import os # third-party librar...
最近研究微信API，发现个非常好用的python库：wxpy。wxpy基于itchat，使用了 Web 微信的通讯协议，实现了微信登录、收发消息、搜索好友、数据统计等功能。 这里我们就来...
本文实例讲述了Python决策树和随机森林算法。分享给大家供大家参考，具体如下： 决策树和随机森林都是常用的分类算法，它们的判断逻辑和人的思维方式非常类似，人们常常在遇到多个条件组合问题...