对类别Category数据编码的几种方法

最新推荐文章于 2024-07-14 15:01:59 发布

farmer_chou

最新推荐文章于 2024-07-14 15:01:59 发布

阅读量3.4k

点赞数

CC 4.0 BY-SA版权

分类专栏：数据处理与分析文章标签：数据表转换

本文链接：https://blog.youkuaiyun.com/farmer_chou/article/details/78472723

本文以Titanic数据集为例，探讨了如何处理类别数据编码，包括使用Query、map()、apply()、LabelEncoder和one-hot编码。其中，LabelEncoder展示了类别与数值的对应关系，而one-hot编码解决了离散特征在Sklearn估计中的问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文中数据以Titanic数据集为例

1、Query the column

titanic_df['Embarked'][titanic_df['Embarked']=='S'] = 0
titanic_df['Embarked'][titanic_df['Embarked']=='Q'] = 1
titanic_df['Embarked'][titanic_df['Embarked']=='C'] = 2
titanic_df['Embarked']= titanic_df['Embarked'].astype(np.int64)

2、map()

embarked_mapping = {
  
  'S':

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

farmer_chou

关注关注

0
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

数据分析中常见的10种数据编码方式

m0_64336780的博客

07-09

9091

目录数值型数据编码 1 - 使用自定义函数 + 循环遍历2 - 使用 map + 自定义函数3 - 使用 apply + 匿名函数4 - 使用cut5 - 使用 sklearn 二值化文本型数据编码6 - 使用 replace7 - 使用map8 - 使用astype9 - 使用 sklearn10 - 使用factorize在使用进行机器学习时，很多算法都需要我们对分类特征进行转换（编码），即根据某一列的值，新增（修改）一列。这个操作在中也有多种解决方案，本文就将介绍十种方法，代码拿走就用，希望你在遇到

机器学习中七种常用的类别变量编码方法

白话机器学习

04-23

3571

关注”AI自研社“公众Hao，回复“编码”即可获得本文完整源码。机器学习一般仅对数字特征有好，无法直接利用类别特征进行学习，一般我们在将数据输入算法进行训练前需要对类别特征进行编码处理，将其转换成数字特征。本文将为大家精心整理七种常用的类别特征的编码方法。在具体介绍前，我们还是先创建好用于演示的数据集。 import pandas as pdimport numpy as npdata = { 'Temperature':['Hot','Cold','Very Hot','Wa...

参与评论您还未登录，请先登录后发表或查看评论

对类别Category进行编码(转化为数值)

我是天才很好

10-18

3336

1.sklearn.DictVectorizer （特征向量化) sklearn.feature_extraction中的DictVectorizer,将类别标签转化为one_hot编码 # 学习目标：使用DictVectorizer对使用字典存储的数据进行特征抽取和向量化 # 定义一组字典列表，用来表示多个数据样本（每个字典代表一个数据样本） measurements = [{'city':'...

Pandas高级教程之:category数据类型

KQe397773106的博客

07-14

2784

Pandas中有一种特殊的数据类型叫做category。它表示的是一个类别，一般用在统计分类中，比如性别，血型，分类，级别等等。有点像java中的enum。今天给大家详细讲解一下category的用法。

pandas中category类型的数据处理

haozi的博客

07-24

1万+

pandas中category类型的数据用途和特点常见的问题处理Categorical 数据用途和特点 category是pandas中定义的一个数据类型，相当于R中的因子。可以对特点的类型数据进行按照自己的意愿进行排序，特别是我们在处理数据是需要对字符串进行排序时，有时候默认的顺序真的很无奈。这个时候就是这个类型该入场的时候了。下面我们看下这个类型的具体使用情况。常见的问题处理在日常数据处理中使用pd.cut或pd.qcut时，默认分组标签就是category类型，不知道你处理时是否头疼过。不过这个

深入 category 数据类型

qq_62702607的博客

11-24

943

深入 category 数据类型

类别型数据的预处理方法

weixin_30697239的博客

07-08

9827

在机器学习过程中，我们往往需要对数据进行预处理。根据数据的取值情况，我们可以把数据总体分为两大类：类别型数据和数值型数据。对于数值性变量，通常不需要对其进行编码处理。而如何处理类别型数据是一个难题。处理的方法有很多种，各有优缺并且各有适用的范围。本文在收集相关资料后，试图对目前较为常见的处理方式做一个归纳总结。 1. 为什么需要编码机器学习相关算法对各数据进行衡量时，依赖...

数据预处理：特征编码

Java/Python大数据随笔

03-28

1387

在机器学习中，处理离散属性（分类特征/类别特征）是一个重要的任务，需要将离散属性转换为可供模型使用的数值表示机器学习算法本质上都是在基于矩阵做线性代数计算，因此参加计算的特征必须是数值型的，对于非数值型的特征需要进行编码处理分类特征是用来表示分类的，分类特征是离散的，非连续的。例如性别（男/女）、等级（优/良/合格）等有些分类特征也是数值，例如，账号ID、IP地址等，但是这些数值并不是连续的。连续的数字是数值特征，离散的数字是分类特征。

Matlab的Categorical类型的一个常见用法

qq_39864882的博客

11-13

1万+

categorical是一个Matlab数据类型，可将数值分配给有限组的离散类别，比如“高”，“中”，“低”三个组。分类数组能提供高效的数据存储和方便的非数值数据处理，同时为数值保留有意义的名称。分类数组的一个常见用法是识别出table里的指定行数据。一、将数组数据格式设置为分类类型可用 B = categorical(A)，将A转换成categorical类型的数组B。也可在导入数据的界面，选则数据类型为categorical。二、查看包含的分类名用categories(A)函数查看categ

python数据处理:对类别Category进行编码(转化为数值)

selous的专栏

05-18

3万+

今天在用tensorflow处理线性回归的时候,提到两个数据集,adult_set数据集,可以用来做逻辑回归.但是其中一些标记是列表标记,既然是做分析,就得将起转化为数值编码.比如男(male),女(female),就得转化为1和2,或者one_hot编码.不少包都有对应的方式.总结一下.sklearn.DictVectorizersklearn.feature_extraction中的DictVe

AutoML之flaml：基于OpenML数据集利用flaml框架自动寻找最优算法及其对应最佳参数(对比lightgbm和xgboost算法)实现预测航班是否延误二分类任务案例之详细攻略

头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀

03-29

8980

AutoML之flaml：基于OpenML数据集利用flaml框架自动寻找最优算法及其对应最佳参数(对比lightgbm和xgboost算法)实现预测航班是否延误二分类任务案例之详细攻略目录 # 1、定义数据集 # 3、模型训练与评估 # 4、模型推理 # 5、分析automl训练 # 6、对比默认XGBoost/LightGBM实验结果 # 1、定义数据集 Airline Flight AirportFrom AirportTo DayOfWeek Time Le

one-hot encoding 并非分类变量编码的唯一选择

我爱计算机视觉

09-16

932

本文转载自机器之心。选自towardsdatascience机器之心编译作者：Andre Ye编辑：小舟、张倩one-hot encoding 是一种被广泛使用的编码方法，但也会造成维度...

深度学习编码分类变量的3种方法

CDA数据分析师

12-23

904

作者 | CDA数据分析师像Keras中的机器学习和深度学习模型一样，要求所有输入和输出变量均为数字。这意味着，如果你的数据包含分类数据，则必须先将其编码为数字，然后才能拟合和评估模型。两种最流行的技术是整数编码和一种热编码，尽管一种称为学习嵌入的较新技术可能在这两种方法之间提供了有用的中间立场。在本教程中，您将发现在Keras中开发神经网络模型时如何编码...

利用 Pandas 进行分类数据编码的十种方式

小詹学python的博客

04-22

480

最近在知乎上看到这样一个问题题主表示pandas用起来很乱，事实真的如此吗？本文就将先如何利用pandas来行数据转换/编码的十种方案，最后再回答这个问题。其实这个操作在机器学习中十分常见，很多算法都需要我们对分类特征进行转换（编码），即根据某一列的值，新增（修改）一列。为了方便理解，下面创建示例DataFrame数值型数据让我们先来讨论连续型数据的转换，也就是根据Sco...

Python类别变量处理

weixin_42422585的博客

10-30

9139

Python类别变量处理 Categorical Encoding Methods categorical feature（类别变量）是在数据分析中十分常见的特征变量，但是在进行建模时，python不能像R那样去直接处理非数值型的变量，因此我们往往需要对这些类别变量进行一系列转换，如哑变量或是独热编码。在查找后发现一个开源包category_encoders，可以使用多种不同的编码技术把...

Pandas基础|生成对应编码的N种方法

小小明-代码实体的专栏

06-15

2万+

作者：小小明需求已知列表 [‘50万以上’, ‘10万以下’, ‘10万以下’, ‘50万以上’, ‘10万以下’, ‘10万以下’, ‘30-50万’, ‘10-30万’] 按照以下关系生成编码： ‘10万以下’ 1 ‘10-30万’ 2 ‘30-50万’ 3 ‘50万以上’ 4 对于这个基础问题，使用pandas至少有10种以上的方法去实现它，你能使用多少个API去实现，往往能体现你对Pandas方法的熟练程度，以后任何类似或更复杂的需求都不怕。下面我将演示较为常规的几种.

python pandas中series与dataframe数据类型属性及操作基础