4.24py打卡

@浙大疏锦行

离散特征的独热编码

题目：在py文件中 一次性处理data数据中所有的连续变量和离散变量

        1. 读取data数据

        2. 对离散变量进行one-hot编码

        3. 对独热编码后的变量转化为int类型

        4.  对所有缺失值进行填充

# 读取data数据
import pandas as pd
data = pd.read_csv('data.csv')

# 对离散变量进行one-hot编码
# 找到离散变量
discrete_lists = []
for discrete_features in data.columns:
    if data[discrete_features].dtype == 'object':
        discrete_lists.append(discrete_features)
# 离散变量独热编码
data = pd.get_dummies(data, columns=discrete_lists) 
# 对比独热编码前后的列名
data2 = pd.read_csv("data.csv")
list_final = data.columns.difference(data2.columns)

# 对bool特征进行类型转换
for i in list_final:
    data[i] = data[i].astype(int)

# 用均值填补缺失值
for i in data.columns:
    if data[i].isnull().sum() > 0:
        mean_value = data[i].mean()
        data[i].fillna(mean_value,inplace=True)