for循环再pandas中高阶应用

对每一列特征值进行归一化

for i in X.columns:
    acidity_max = X[i].max()
    def transform(x):
        return x/acidity_max
    X[i] =X[i].map(transform)

str2float 法1：
把每一列中的字符串转换成int类型

race=X['race'].unique()
occupation=X['occupation'].unique()
hours=X['hours_per_week'].unique()
list=[race,occupation,hours]      #这个列表里面名字一定不能加上引号，否则就会报错。
a = X.columns
for i in range (len(list)):
    def str2float(edu):
        return np.argwhere(edu == list[i])[0,0]
    X.loc[:,a[i]]=X.loc[:,a[i]].map(str2float)

str2float 法2：
下面这个代码精简到了最好的程度。只需要把要提取的columns写入一个列表，就可以运行。

list2=['encounter_id', 'patient_nbr', 'race', 'gender', 'age']
for i in list2:
    encounter=a[i].unique()
    def str2float(a):
        return np.argwhere(encounter==a)[0,0]
    a.loc[:,i]=a.loc[:,i].map(str2float)