day 6 处理连续型数据

import pandas as pd
from sklearn.impute import SimpleImputer

data = pd.read_csv('缺失预处理数据22222.csv', index_col=0)  # 把第0列作为索引
data.loc[:, "Age"] = SimpleImputer(strategy="median").fit_transform(data.loc[:, "Age"].values.reshape(-1, 1))
data.dropna(axis=0, inplace=True)


# todo:         sklearn.preprocessing.Binarizer
# 根据阈值将数据二值化（将特征值设置为0或1），用于处理连续型变量。大于阈值的值映射为1，而小于或等于阈
# 值的值映射为0。默认阈值为0时，特征中所有的正值都映射到1。二值化是对文本计数数据的常见操作，分析人员
# 可以决定仅考虑某种现象的存在与否。它还可以用作考虑布尔随机变量的估计器的预处理步骤（例如，使用贝叶斯
# 设置中的伯努利分布建模）。

from sklearn.preprocessing import Binarizer
# data_2=data.copy()
# X = data_2.iloc[:,0].values.reshape(-1,1)  # 类为特征专用，所以不能使用一维数组
# transformer = Binarizer(threshold=30).fit_transform(X)  # 把38岁以上的变为1，以下的为0
# data_2.iloc[:,0]=transformer
# print(data.head())
# print(data_2.head())

# todo:         preprocessing.KBinsDiscretizer
# # 这是将连续型变量划分为分类变量的类，能够将连续型变量排序后按顺序分箱后编码，以下重要参数


# from sklearn.preprocessing import KBinsDiscretizer
# X = data.iloc[:,0].values.reshape(-1,1)
# est = KBinsDiscretizer(n_bins=3, encode='ordinal', strategy='uniform')
# # print(est.fit_transform(X))
# #查看转换后分的箱：变成了一列中的三箱
# # print(set(est.fit_transform(X).ravel()))
# 
# # 换种编码
# est = KBinsDiscretizer(n_bins=3, encode='onehot', strategy='uniform')
# # #查看转换后分的箱：变成了哑变量
# print(est.fit_transform(X).toarray())