datawhale机器学习，薛智怀，广东金融学院（笔记1）

跑通baseline:
1，导入需要用到的库：
pandas
numpy
DicisionTreeClassifier
代码：
import pandas as pd
import numpy as pd
form sklearn.tree import DicisionTreeClassifier

2，读取训练集和测试集：
训练数据集：train.csv
测试数据集：test.csv
读取的代码：
train_data=pd.read_csv("train.csv")
test_data=pd.read_csv("test.csv")

3，将udmap进行onethot编码：
onethot将分类变量转化为二进制向量，每个整数代表一个类别，除了整数的索引之外其它都是0。处理的东西例如：颜色，性别，季节等
（1,10）代表0-9，不包括10。

代码：
def udmap_onethot(d):
    v=np.zeros(9)
    if d==unkown
        return v

    d=eval(d)

    for i in range(10):
        if 'key' + str(i) in d:

            v[i-1] = d['key' + str(i)]

#np.zeros（9）表示创建一个全是0的数组，如果表中的数据是unknown，那数组中就是0。如果索引存在，就赋值给v

train_udmap_df = pd.DataFrame(np.vstack(train_data['udmap'].apply(udmap_onethot)))

test_udmap_df = pd.DataFrame(np.vstack(test_data['udmap'].apply(udmap_onethot)))

# 为新的特征 DataFrame 命名列名

train_udmap_df.columns = ['key' + str(i) for i in range(1, 10)]

test_udmap_df.columns = ['key' + str(i) for i in range(1, 10)]

# 将编码后的 udmap 特征与原始数据进行拼接，沿着列方向拼接

train_data = pd.concat([train_data, train_udmap_df], axis=1)

test_data = pd.concat([test_data, test_udmap_df], axis=1)

dataframe由行（rows）和列（columns）组成，index为行索引，column为列索引。

print第一段，终端得到：

 输出train_udmap_df，终端得到：

 输出test_udmap_df，终端得到：