python数据分析中使用pandas进行预处理 的 转换数据

转换数据

（1）哑变量处理 类别型 数据
（2）使用等宽法、等频法和聚类分析方法 离散化 连续型 数据
1.哑变量处理类别型数据

import pandas as pd
import numpy as np
detail=pd.read_csv('../数据分析/detail.csv',encoding='gbk')
data=detail.loc[0:5,'dishes_name']
print('哑变量处理之前：\n',data)
print('哑变量处理之后：\n',pd.get_dummies(data))

2.离散化连续型数据
① 等宽法离散化

price=pd.cut(detail['amounts'],5)
print(price.value_counts())

② 等频法 离散化

def SamRateCut(data,k):
    w=data.quantile(np.arange(0,1+1.0/k,1.0/k))
    data=pd.cut(data,k)
    return data
result=SamRateCut(detail['amounts'],5).value_counts()
print(result)

③ 聚类分析法 离散化

def KmeanCut(data,k):
    from sklearn.cluster import KMeans
    #建立模型
    kmodel=KMeans(n_clusters=k)
    kmodel.fit(data.values.reshape((len(data),1))) #训练模型
    #输出聚类中心并排序
    c=pd.DataFrame(kmodel.cluster_centers_).sort_values(0)
    w=c.rolling(2).mean().iloc[1:] #相邻两项求中点，作为边界
    w=[0]+list(w[0]+data.max()) #把首末边界点加上
    data=pd.cut(data,w)
    return data
result=KmeanCut(detail['amounts'],5).value_counts()
print('菜品售价聚类离散化后 各个类别数目分布状况为：\n',result)