pd.get_dummies()默认str类型才会变成onehot

最新推荐文章于 2023-03-05 18:42:12 发布
最新推荐文章于 2023-03-05 18:42:12 发布
阅读量430 收藏 1
点赞数 1
分类专栏： python 机器学习 文章标签： python pandas
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/YangTinTin/article/details/107511973
版权

以泰坦尼克号死亡率预测数据为例，

(1) pd.get_dummies()不指定列

如果直接使用pd.get_dummies()而不指定列，则只有那些数据类型为object，也就是str类型的列会被变成onehot
在这里插入图片描述
如果把Cabin的类型修改为int，则此特征不会被处理为onehot
在这里插入图片描述

(2)指定需要被onehot的列

在这里插入图片描述
当指定了columns时，只有指定的列被处理为onehot，不管这个列数据类型是什么，都可以进行处理。

鸡汤本汤
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Pandas使用str属性获取数据列的字符串方法类、split函数基于指定分隔符拆分数据列的内容为列表、设置参数n控制拆分的次数、设置expand参数将拆分结果列表内容转化为多列dataframe
data+scenario+science+insight
02-22 274
Pandas使用str属性获取数据列的字符串方法类、split函数基于指定分隔符拆分数据列的内容为列表、设置参数n控制拆分的次数、设置expand参数将拆分结果列表内容转化为多列dataframe
one hot 编码的实现
03-27 3811
one hot 编码，针对的是类别性属性（categorical），类别型属性可以为特征向量中的任一属性，比如性别（one hot 编码的意义在于，属性之间不具有数值上大小的区别，在对最后结果的影响上一视同仁），也可以是分类问题的输出目标值；
Pandas Pandas中利用pd.get_dummies()实现One-Hot编码
guoqingru0311的博客
07-15 991
get_dummies 方法主要用于对类别型特征做 One-Hot 编码（独热编码）
pandas中one-hot编码的神坑
mvpboss1004的博客
01-28 1万+
机器学习中，经常会用到one-hot编码。pandas中已经提供了这一函数。 但是这里有一个神坑，得到的one-hot编码数据类型是uint8，进行数值计算时会溢出！！！import pandas as pd import numpy as np a = [1, 2, 3, 1] one_hot = pd.get_dummies(a) print(one_hot.dtypes) print(one
手动实现机器学习中的one-hot编码
liuzh的博客
01-21 603
需求：样本的分类特征不唯一 # coding=gbk def deal(): # 假设特征类别的全集已经得到(有很多种办法可以得到，自行解决) TAGS_LIST = ['汽车研发', '其他交通工具制造', '汽车后市场', '停车服务', '车联网', '汽车综合服务', '汽车制造', '汽车交易', '出行服务', '公共交通', '汽车交通支撑服务', ...
pandas使用get_dummies进行one-hot编码的方法
12-24
1、离散特征的取值之间没有大小的意义，比如color：[red,blue],那么就使用one-hot编码 2、离散特征的取值有大小的意义，比如size:[X,XL,XXL],那么就使用数值的映射{X:1,XL:2,XXL:3} 使用pandas可以很方便的对离散型...
SharpcSharp.rar_C sharp_C++ for dummies_Sharp
09-14
《C# for Dummies》是一本专为初学者设计的C#编程指南，它深入浅出地介绍了C#语言的基础知识和核心概念。C#（读作"C Sharp"）是微软公司开发的一种面向对象的编程语言，广泛应用于Windows平台、Web应用以及游戏开发...
RANSAC.zip_RANSAC_RANSAC matlab_RANSAC matlab_RANSAC4Dummies_
09-21
"RANSAC4Dummies"可能是一个面向初学者的教程，详细解释了如何在MATLAB中使用RANSAC算法，帮助用户理解和应用这个强大的工具。 对于实际应用，MATLAB的Computer Vision System Toolbox提供了内置的RANSAC函数，如`...
XML.For.Dummies.The.Fourth.Edition.rar_手机程序
09-23
此文件为连连看程序，其他的自己看吧！！java手机程序！支持诺基亚手机
Pandas学习记录：数据离散化与数据合并、one-hot编码、pd.concat、pd.merge
明月多情应笑我的博客
03-05 227
利用Pandas进行数据离散化，由分组得到独热编码，进行拼接或连接
pd.str.get_dummies()关联分析
qiyanzhi的博客
07-12 494
kaggle ：房屋价格预测问题 ，如何解决get_dummies导致训练数据和测试数据编码不一致的情况
qq_42828404的博客
08-02 1548
kaggle ：房屋价格预测问题~ #!user/bin/env python # -*- coding:utf-8 -*- import numpy as np import pandas as pd from scipy.stats import mode from sklearn import linear_model from sklearn.cross_validation impor...
特征工程之数据预处理
m0_46388544的博客
02-03 1527
本文代码及数据集来自《Python大数据分析与机器学习商业案例实战》 一、非数值类型数据处理 Get_dummies哑变量处理 哑变量也叫虚拟变量，通常取值为0或1，上面提到的将性别中的“男”和“女”分别转换成数字1和0就是哑变量最经典的应用。在Python中，通常利用pandas库中的get_dummies()函数进行哑变量处理，它不仅可以处理“男”和“女”这种只有两个分类的简单问题，还可以处理含有多个分类的问题。 # 非数值类型数据处理 # Get_dummies哑变量处理 import panda.
pandas实现one-hot编码
hesongzefairy的博客
02-03 7504
机器学习中我们常常需要自己准备数据，对于分类task，one-hot编码是最常用的label方式。 什么是one-hot：离散的每一种取值都看做一个类别，若一种特征中有N个不相同的取值，那么就可以将该特征当作N种不同的类别，one-hot编码保证了每一个类别都会有唯一的取值，仅在该类别上取值为，其他位置取值为0。 举例来说，如果特征1下有cat、dog、horse，那么one-hot编码如下：...
pandas使用get_dummies进行one-hot编码
热门推荐
lujiandong1的专栏
10-17 8万+
离散特征的编码分为两种情况： 1、离散特征的取值之间没有大小的意义，比如color：[red,blue],那么就使用one-hot编码 2、离散特征的取值有大小的意义，比如size:[X,XL,XXL],那么就使用数值的映射{X:1,XL:2,XXL:3} 使用pandas可以很方便的对离散型特征进行one-hot编码 import pandas as pd df = pd.DataFra
pandas 下的 one hot encoder 及 pd.get_dummies() 与 sklearn.preprocessing 下的 OneHotEncoder 的区别
06-05 1万+
sklearn.preprocessing 下除了提供 OneHotEncoder 还提供 LabelEncoder（简单地将 categorical labels 转换为不同的数字）； 1. 简单区别Panda’s get_dummies vs. Sklearn’s OneHotEncoder() :: What is more efficient? sklearn.preprocessing 下
特征提取之pd.get_dummies()用法
BigData_Mining的博客
01-29 2万+
背景： 在拿到的数据里，经常有分类型变量的存在，如下： 球鞋品牌：Nike、adidas、 Vans、PUMA、CONVERSE 性别：男、女 颜色：红、黄、蓝、绿 However,sklearn大佬不能直接分析这类变量呀。在回归，分类，聚类等机器学习算法中，特征之间距离的计算或相似度的计算是算法关键部分，而常用的距离或相似度的计算都是在欧式空间的相似度计算，计算余弦相似性，基于的就是欧式空间。于...
Pandas中哑变量处理类别型数据 — get_dummies()方法
KJ.JK，正在火热更新全网最新最全的华为OD题库
11-22 7322
         哑变量又称虚拟变量、名义变量，从名称上看就知道，它是人为虚设的变量，用来反映某个变量的不同类别。使用哑变量处理类别转换，事实上就是将分类变量转换为哑变量矩阵或指标矩阵，矩阵的值通常为"0"或"1"表示。          在Pandas中，可以使用get_dummies()函数对类别特征进行哑变量处理，语法格式如
pd.get_dummies方法理解
scar2016的博客
04-14 6261
文章目录1.举例说明：1.1 在jupyter notebook里面输入如下代码：1.2 显示结果：1.3 使用 pd.get_dummies(data)1.4结果： 1.举例说明： 1.1 在jupyter notebook里面输入如下代码： import numpy as np import pandas as pd data = pd.DataFrame({"学号":[1001,1002,1003,1004], "性别":["男","女","女","男"],
import matplotlib.pyplot as plt import pandas as pd import seaborn as sns from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score from sklearn.model_selection import train_test_split # 读取训练集和测试集数据 train_data = pd.read_csv(r'C:\ADULT\Titanic\train.csv') test_data = pd.read_csv(r'C:\ADULT\Titanic\test.csv') # 统计训练集和测试集缺失值数目 print(train_data.isnull().sum()) print(test_data.isnull().sum()) # 处理 Age, Fare 和 Embarked 缺失值 most_lists = ['Age', 'Fare', 'Embarked'] for col in most_lists: train_data[col] = train_data[col].fillna(train_data[col].mode()[0]) test_data[col] = test_data[col].fillna(test_data[col].mode()[0]) # 拆分 X, Y 数据并将分类变量 one-hot 编码 y_train_data = train_data['Survived'] features = ['Pclass', 'Age', 'SibSp', 'Parch', 'Fare', 'Sex', 'Embarked'] X_train_data = pd.get_dummies(train_data[features]) X_test_data = pd.get_dummies(test_data[features]) # 合并训练集 Y 和 X 数据，并创建乘客信息分类变量 train_data_selected = pd.concat([y_train_data, X_train_data], axis=1) print(train_data_selected) cate_features = ['Pclass', 'SibSp', 'Parch', 'Sex', 'Embarked', 'Age_category', 'Fare_category'] train_data['Age_category'] = pd.cut(train_data.Fare, bins=range(0, 100, 10)).astype(str) train_data['Fare_category'] = pd.cut(train_data.Fare, bins=list(range(-20, 110, 20)) + [800]).astype(str) print(train_data) # 统计各分类变量的分布并作出可视化呈现 plt.figure(figsize=(18, 16)) plt.subplots_adjust(hspace=0.3, wspace=0.3) for i, cate_feature in enumerate(cate_features): plt.subplot(7, 2, 2 * i + 1) sns.histplot(x=cate_feature, data=train_data, stat="density") plt.xlabel(cate_feature) plt.ylabel('Density') plt.subplot(7, 2, 2 * i + 2) sns.lineplot(x=cate_feature, y='Survived', data=train_data) plt.xlabel(cate_feature) plt.ylabel('Survived') plt.show() # 绘制点状的相关系数热图 plt.figure(figsize=(12, 8)) sns.heatmap(train_data_selected.corr(), vmin=-1, vmax=1, annot=True) plt.show() sourceRow = 891 output = pd.DataFrame({'PassengerId': test_data.PassengerId, 'Survived': predictions}) output.head() # 保存结果 output.to_csv('gender_submission.csv', index=False) print(output) train_X, test_X, train_y, test_y = train_test_split(X_train_data, y_train_data, train_size=0.8, random_state=42) print("随机森林分类结果") y_pred_train1 = train_data.predict(train_X) y_pred_test1 = train_data.predict(test_X) accuracy_train1 = accuracy_score(train_y, y_pred_train1) accuracy_test1 = accuracy_score(test_y, y_pred_test1) print("训练集——随机森林分类器准确率为：", accuracy_train1) print("测试集——随机森林分类器准确率为：", accuracy_train1)
最新发布
06-07
在你的代码中，你正在尝试从 `train_data` 对象上调用一个名为 "predict" 的方法，而 `train_data` 实际上是一个 DataFrame 对象，该对象并没有 "predict" 方法。你应该使用你之前定义的随机森林分类器对象 `...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值