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】。
如下所示： #include <opencv2\opencv.hpp> #include<ctime> using namespace cv; usi...
如果想设置相同的初值和想要的长度 >>> a=[None]*4 >>> print(a) [None, None, None, None] 如果...
安装Pycharm进行Python开发时，经常右下角提示No R interpreter defined，处理方式： 1、安装R，然后将R的路径添加到Pycharm中： 2、如果不需要...
Anaconda确实带来了很多方便，但是之前也过多的依赖了conda自带的一键下载python包的功能。这不，这几天突然要用FastFM这个包，无奈conda里没有，于是只能从githu...
一对多(ForeignKey) class ForeignKey(ForeignObject): def __init__(self, to, on_delete, relate...