数据预处理 01处理

前面机器学习 K-近邻算法（一）博客中值为连续值。我们要进行朴素贝叶斯分类时需要对数据进行离散处理，简单的是进行01处理。

1 首先，惯例pandas读取数据变成DataFrame,查看数据及数据描述。（如需数据请留言，博客没办法上传附件请见谅）

import time
import numpy as np 
import pandas as pd 

group =  pd.read_table('bayes.txt',header=None,usecols = (0,1,3))
print('原始数据\n',group)
print(group.describe())

注：这里header设为None,否则会默认把第一行数据当成列标签。usecols=(0,1,3)表示只取bayes.txt数据的第0,1,3行数据。

运行结果：

2 对3行标签行进行转换，didntLike转化为值0，smallDoses转化为值1，largeDoses转化为值2.

#标签进行01处理
group = group.replace('didntLike',0)
group = group.replace('smallDoses',1)
group = group.replace('largeDoses',2)

3 对0行飞行时间行进行01处理，低于等于样本数据平均飞行时间的转为0，否则为1

# Fly进行01处理
Fly_s = group[0]
Fly_mean = Fly_s.mean()
Fly_s[Fly_s<=Fly_mean] = 0
Fly_s[Fly_s>Fly_mean] = 1

4 对1行玩游戏时间行进行处理，也是低于平均值为0，否则为1

# Game进行01处理
Game_s = group[1]
Game_mean = Game_s.mean()
Game_s[Game_s<=Game_mean] = 0
Game_s[Game_s>Game_mean] = 1

5 查看处理后的数据

print('01处理后数据\n',group)
print(group.describe())