【特征工程】 离散型变量 映射成 数字

在特征工程中,对可分类的字符串特征(如高中、大专、本科等)进行数值映射是常见的处理步骤。将这些值映射为1、2、3等数字,但要注意数字仅作为分类替代,不具比较意义。本文介绍了如何使用Python进行批量替换,处理过程中需注意缺失值的处理,通过pickle保存映射字典以便后续使用。在应用映射时,确保处理新出现的类型,避免转换为缺失值。
摘要由CSDN通过智能技术生成

在特征处理中,有一些特征里面的值是一些可分类的字符串,举个例子:

姓名 学历 收入
小张 高中 4000-5000元
小王 本科 6000-7000元
小李 硕士 8000-9000元
小赵 本科 6000-7000元

学历可分为:高中、大专、本科、硕士等。收入可分为:4000-5000元、6000-7000元等。这些分类有时为中文,容易产生乱码。有些是英文字符,可能比较长,查看不方便。如果样本量非常多的话,保存下来的文件较大。

所以可以将 高中→1,大专→2,本科→3 ···;4000-5000元→1、6000-7000元→2 ···

这些特征工程处理上,可以对这种可分类的字符串进行替换,映射成一组数字去替换。但需要注意的是,虽然用数字替换,但数字仅仅是各分类变量的一个替换,并没有真正意义的数字含义,所以不能比较大小,也不能当成连续字符处理。

下面给出了批量替换的代码。

首先是将字符串映射成数字,然后逐列操作。

## 分类变量→数字的映射
def str2num(col_name):
    value_dict = {
   }
    unique_str = np.unique(col_name)
    for num,v
  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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