原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
数据转换
类别型数据的哑变量处理数据分析模型中相当一部分算法的模型要求输入的数据是数值型的特征值，但实际数据中特征的类型不一定都是数值，还会存在一部分类别型数据，这部分数据需要经过哑变量处理才能继续处理。例如颜色值经过哑变量的处理对比如图所示。
类别型数据的哑变量处理哑变量又称为虚拟变量，是利用反映质的属性的一个人工变量，是量化了的质变量。通常取值为0和1。处理哑变量的函数是get_dummies()。哑变量处理的特点：对于一个类别型特征，若其取值有m个，则经过哑变量处理后就变成了m个二元特征，并且这些特征互斥，每次只有一个激活，这使得数据变得稀疏。对类别型特征进行哑变量处理主要解决了部分算法模型无法处理类别型数据的问题，这在一定程度上起到了扩充特征的作用。由于数据变成了稀疏矩阵的形式，因此也加速了算法模型的运算速度。
连续型变量的离散化数据分析和统计的预处理阶段，经常会碰到年龄、价格等连续性数值，而很多算法的模型都要求数据是离散的，因此要将数据离散化使用不同的符号对数据进行标识。常见的数据离散化的方法有等频法、等宽法、聚类分析法。Pandas提供了cut()函数为数据离散化提供接口。
离散化连续数据有时候我们会碰到这样的需求，例如，将有关年龄的数据进行离散化（分桶）或拆分为“面元”，直白来说，就是将年龄分成几个区间。
离散化连续数据Pandas的?cut?()函数能够实现离散化操作。x：表示要分箱的数组，必须是一维的。bins：接收int和序列类型的数据。right：是否包含右端点，决定区间的开闭，默认为True。pandas.cut（x，bins，right=True，labels=None，retbins=False，precision=3，include_lowest=False，duplicates=raise）
离散化连续数据cut()函数会返回一个Categorical对象，我们可以将其看作一组表示面元名称的字符串，它包含了分组的数量以及不同分类的名称。
离散化连续数据np.random.seed(1)score=np.random.randint(25,100,size=10)print(原始数据：\n,score)bins=[0,59,70,80,100]score_cut=pd.cut(score,bins)print(统计每个区间人数:\n,pd.value_counts(score_cut))
文档评论（0）