第一次课Q&A

第一次课Q&A

1.如何将类别型变量引入线性回归，提出至少1种方案?

针对类别变量，想要将其引入线性回归，基本的思路就是重新编码，有这么几种重新编码的方法

一、replace&map法

相对而言，replace可能更加针对的是，有些时候，在我们要进行特征处理的变量中，并不是所有的取值都需要进行特征处理，只需要对其中部分不符合要求的取值进行替换的情况。
比如说在一列数据中，有个别值与其他值不统一，这时我就可以采取replace法

import pandas as pd
test_dict = {'id': [1, 2, 3, 4, 5, 6, 7, 8],  # 构建测试数据``       
             'math':[96,70,65, 30, 93, 'A', 66, 88]}
test_df = pd.DataFrame(test_dict)
# 将math一列中的A替换93
test_df.replace({'math': {'A':93}}, inplace=True)
test_df

除了使用 replace() 方法，也可以应用内置的 map() 方法进行直接替换处理。

map() 可以对 Dataframe 中某列内的元素进行操作，在此情景下的作用是：根据映射关系，为指定列匹配结果并进行替换。其处理原理与使用 replace() 进行直接替换的方式一致，需要自行指定各类别取值应该如何转换为数值。

但其特别之处在于，map() 方法作用于整列变量的元素，因此需要对该列变量中所有可能出现的取值指定映射关系，否则没有指定映射关系的取值将会被转换成NaN。因此，不适用于取值类别特别多的时候。
借用讲述 replace() 部分的案例，我们要做的工作是将93转换成为A。
如果使用 map() 方法，并只对93进行转换，而没有对所有取值指定映射关系。上例案例可以修改为：

test_df['math'] = test_df['math'].map({93: 'A'})
test_df

二、 LabelEncoding 标签编码

上述map法和replace法的人工操作量很大，因此， 我们需要能够快速对整列变量的所有取值进行编码的方法。