不同类型变量的数据预处理

所有变量可以分为两种：

一、类型变量。

例如：天气情况可以从1-4中取值，可以用1表示晴天，2表示多云，3表示雨天，4可以表示雪天，诸如此类，我们统称为类型变量，这里需要注意一点是，这些数字大小并没有实际的意义，如4比1大，但不代表雪天就会比晴天更好。

二、数值变量。

例如：分数，温度等，这些可以从一个数值区间中连续取值的变量我梦统称为数值变量。

通过以上我们发现，不同类型变量的数值含义也不同，因此，在进行研究前我们需要对其进行预处理。

数据预处理：

类型变量→独热编码(one-hot)

将类型变量转化为独热编码

季节类型	独热编码
1	（1，0，0，0)
2	（0，1，0，0）
3	(0，0，1，0)
4	（0，0，0，1）

代码：

dummy_fields = ['所有类型的编码变量的名称']
for ench in dummy_fields:
#取出所有类型变量，并将它们转变为独热编码
	dummies = pd.get_dummies(rides[each], prefix=each, drop_first=false)
	#将新的独热编码变量与原有的所有变量合并到一起
	rides = pd.concat([rides,dummies], axis=1)]
	#将原来的类型变量从数据表中删除
fields_to_drop = ['要删除的类型变量名称']
data = rides.drop(fields_to_drop, axit=1)

数值类型→标准化处理

用变量的均值和标准差来对变量做标准化，从而把特征数值的平均值变为0，标准差变为1。
代码：

quant_f = ['数值变量类型的名称']
scaled_f = {}  # 将每一个变量的均值和方差都存储到scaled_f变量中
for each in quant_f:
	# 计算这些变量的均值和方差
	mean, std = data[each].mean(),data[each].std()
	scaled_f[each] = [mean,std]
	data.loc[:,each] = (data[each] - mean]/std