datawhale机器学习，薛智怀，广东金融学院（笔记2）

4，处理eid（B列）

value_counts()获取eid的频率分布，该结果将存储在eid_freq中：

train_data['eid_freq'] = train_data['eid'].map(train_data['eid'].value_counts())

test_data['eid_freq'] = test_data['eid'].map(train_data['eid'].value_counts())

mean()计算平均值，存储在eid_mean中：

train_data['eid_mean'] = train_data['eid'].map(train_data.groupby('eid')['target'].mean())

test_data['eid_mean'] = test_data['eid'].map(train_data.groupby('eid')['target'].mean())

5，处理udmap（C列）

 通过比较 'udmap' 列的值是否等于 'unknown'，生成了一个布尔型的数据。当 'udmap' 列的值为 'unknown' 时，返回 True，否则返回 False。再通过调用 astype(int) 将布尔值转换为整数（True 转换为 1，False 转换为 0）。

train_data['udmap_isunknown'] = (train_data['udmap'] == 'unknown').astype(int)

test_data['udmap_isunknown'] = (test_data['udmap'] == 'unknown').astype(int)

这个布尔（或整数）结果被存储在新的列 'udmap_isunknown' 中。因此，对于每个数据行，'udmap_isunknown' 列的值将表示该行的 'udmap' 值是否为 'unknown'。

6，用scikit训练树决策分析器

import lightgbm as lgb

from sklearn.linear_model import LogisticRegression

from sklearn.tree import DecisionTreeClassifier

clf = DecisionTreeClassifier()

clf.fit(

    train_data.drop(['udmap', 'common_ts', 'uuid', 'target'], axis=1),

    train_data['target']

)