数据处理——数据编码

1.pandas.get_dummies 的用法
get_dummies 是利用pandas实现one hot encode的方式。

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False)[source]

import pandas as pd
df = pd.DataFrame([  
            ['green' , 'A'],   
            ['red'   , 'B'],   
            ['blue'  , 'A']])  

df.columns = ['color',  'class'] 
pd.get_dummies(df) 

编码前：

编码后：

2.二分类0,1编码

fake ->1 true->0

data['review'] = (data.rumorType == 'fake').astype('int')

pandas 的缺失值判断：

pd.isna(obj) /isnull(obj)   #检测类似数组对象缺失值。
pd.notna(obj) /notnull(obj) #检测类似数组对象非缺失值。
 
参数：obj：标量或数组
返回：布尔或布尔数组
说明：
    # NA值如None或np.nan,NaT将映射True值。''或np.inf不被视为NA值
    # pandas.options.mode.use_inf_as_na = True#视为na值
    # Series,DataFrame也有此方法；full,notfull是别名