如何将Python中的列类型从int更改为sklearn的对象？

Question

我对Python和scikit-learn（sklearn）非常陌生，我试图加载这个由7列属性和1列数据分类（类/数据目标）组成的数据集。但是有一个属性由数据[1,2,3,4,5]组成，它实际上标志着某个事物的某个阶段，因此使它成为一个名义数字，而不是数字。但是，当然python将它识别为一个数值数据（int64），实际上我希望它被当作一个标称数据（对象）。如何将列类型更改为标称值？

我做了以下工作。

print(data.dtypes) 
data["col_name"]=data["col_name"].astype(numpy.object) 
print(data.dtypes) 

在第一次印刷，它仍然承认我的数据[“COL_NAME”] Int64形式，但astype行后，它已经改变了它object。但它对数据没有任何影响，因为当我尝试使用matplotlib并创建直方图时，它仍然将X和Y都识别为数字而不是对象。

另外我已阅读关于文档One Hot Encoding和Label Encoding的文档，但我认为它们不是我需要的。我想知道我是否误解了某些东西，或者有其他解决方案。

谢谢

Answer 1

阅读sklearn的文档。这个软件包有详尽的文档。特别是Preprocessing section on encoding categorical features：

在问候保持在整数数组表示类别特征，即[1,2,3,4,5]，我们有这样的：

这种整数表示不能直接与用来scikit学习 估计，因为这些需要连续输入，并且将 类别解释为被排序，这通常是不期望的（即，浏览器的集合 被任意排序）。将 分类特征转换为可与scikit-learn 估算器一起使用的特征的一种可能性是使用OneHotEncoder中实现的一个K或一个热门编码，即 。该估计器将每个 分类特征转换为m个可能的值为m个二元特征， 只有一个有效。

所以你可以做的是使用one-hot encoding将你的数组转换成5个新列（这种情况下，因为你有5个可能的值）。

以下是一些工作代码。输入是明确的参数[1,2,3,4,5]的一列，所述输出中是一个矩阵，5列，1为每个5点可能的选择的：

from sklearn.preprocessing import OneHotEncoder 

enc = OneHotEncoder() 
enc.fit([[1],[2],[3],[4],[5]]) 
OneHotEncoder(categorical_features='all', dtype='numpy.float64', handle_unknown='error', n_values='auto', sparse=True) 
print enc.transform([[1],[2],[3],[4],[5]]).toarray() 

输出：

[[ 1. 0. 0. 0. 0.] 
[ 0. 1. 0. 0. 0.] 
[ 0. 0. 1. 0. 0.] 
[ 0. 0. 0. 1. 0.] 
[ 0. 0. 0. 0. 1.]] 

说出您的分类参数在此订单：[1,3,2,5,4,3,2,1,3,4,2]。你会得到这个输出：

[[ 1. 0. 0. 0. 0.] 
[ 0. 0. 1. 0. 0.] 
[ 0. 1. 0. 0. 0.] 
[ 0. 0. 0. 0. 1.] 
[ 0. 0. 0. 1. 0.] 
[ 0. 0. 1. 0. 0.] 
[ 0. 1. 0. 0. 0.] 
[ 1. 0. 0. 0. 0.] 
[ 0. 0. 1. 0. 0.] 
[ 0. 0. 0. 1. 0.] 
[ 0. 1. 0. 0. 0.]] 

因此，这1列将转换为5列。