pandas数据离散化 get_dummies()

pandas 数据离散化

离散化

• 0 准备数据
• 1 分组
• 2 离散化(转化为one-hot编码)

import pandas as pd

# 原始数据
height_list = [165, 174, 160, 180, 159, 163, 192, 184]

# 准备数据
data = pd.Series(height_list)

data

0    165
1    174
2    160
3    180
4    159
5    163
6    192
7    184
dtype: int64

第一步: 分组

(1) 自动分组 qcut(series数据, 组数量)

# 自动分组 
sr = pd.qcut(data, 3)

# 分组后数据所在的区间
sr

0      (163.667, 178.0]
1      (163.667, 178.0]
2    (158.999, 163.667]
3        (178.0, 192.0]
4    (158.999, 163.667]
5    (158.999, 163.667]
6        (178.0, 192.0]
7        (178.0, 192.0]
dtype: category
Categories (3, interval[float64]): [(158.999, 163.667] < (163.667, 178.0] < (178.0, 192.0]]

查看每组内的数量value_counts()

# 查看每组内的数量
sr.value_counts()

(178.0, 192.0]        3
(158.999, 163.667]    3
(163.667, 178.0]      2
dtype: int64

(2)自动分组 cut(series数据, [区间值])

sr_cut = pd.cut(data, [150, 165, 180, 195])

sr_cut.value_counts()

(150, 165]    4
(180, 195]    2
(165, 180]    2
dtype: int64

pd.get_dummies(sr_cut, prefix='自定义身高')

	自定义身高_(150, 165]	自定义身高_(165, 180]	自定义身高_(180, 195]
0	1	0	0
1	0	1	0
2	1	0	0
3	0	1	0
4	1	0	0
5	1	0	0
6	0	0	1
7	0	0	1

第二步: 进行离散化 get_dummies(分组好的数据, prefix="前缀")

• 就是把分组好的数据转化为 one-hot编码或者又叫哑变量

# 将分组好的数据转化为 one-hot 编码
pd.get_dummies(sr, prefix='自动身高')

	自动身高_(158.999, 163.667]	自动身高_(163.667, 178.0]	自动身高_(178.0, 192.0]
0	0	1	0
1	0	1	0
2	1	0	0
3	0	0	1
4	1	0	0
5	1	0	0
6	0	0	1
7	0	0	1