使用类似组用于分类数据
- 一位热码编码(例如,平均值为全市各区的价格) 。
你必须小心,不要注入应用案例中没有的信息。
一个炎热的编码
如果你有明确的数据,您可以创建为每个可能值0/1值虚拟变量。
E.g。
idx color
0 blue
1 green
2 green
3 red
到
idx blue green red
0 1 0 0
1 0 1 0
2 0 1 0
3 0 0 1
这可以很容易地与大熊猫进行:
import pandas as pd
data = pd.DataFrame({'color': ['blue', 'green', 'green', 'red']})
print(pd.get_dummies(data))
将导致:
color_blue color_green color_red
0 1 0 0
1 0 1 0
2 0 1 0
3 0 0 1
编号为序数据
创建可排序类别的映射, G。 老<装修<新→0,1,2
这也可能与熊猫:
data = pd.DataFrame({'q': ['old', 'new', 'new', 'ren']})
data['q'] = data['q'].astype('category')
data['q'] = data['q'].cat.reorder_categories(['old', 'ren', 'new'], ordered=True)
data['q'] = data['q'].cat.codes
print(data['q'])
结果:
0 0
1 2
2 2
3 1
Name: q, dtype: int8
用分类数据GROUPBY操作
你可以使用过去的每个类别的平均值(已知事件)。
说你有最后已知的平均价格为数据帧城市:
prices = pd.DataFrame({
'city': ['A', 'A', 'A', 'B', 'B', 'C'],
'price': [1, 1, 1, 2, 2, 3],
})
mean_price = prices.groupby('city').mean()
data = pd.DataFrame({'city': ['A', 'B', 'C', 'A', 'B', 'A']})
print(data.merge(mean_price, on='city', how='left'))
结果:
city price
0 A 1
1 B 2
2 C 3
3 A 1
4 B 2
5 A 1
却怎么hotencoding帮助你时,你会试图预测新的颜色?也许在你的情况下,你必须重新训练模型。你有任何解决方案? – gtzinos