点滴：python数据集的文本标签转换成数值

数据科学中经常出现的标签为文本型的，因为需要转化为数值型，以便后续处理。

参考一、

  get_dummies 是利用pandas实现one hot encode的方式。详细参数请查看官方文档
  官方文档在这里

  get_dummies 前：

  get_dummies 后：

  另：pd.get_dummies(df.color)

         df = df.join(pd.get_dummies(df.color))

参考二、

  利用pandas的Categorical()

        import pandas as pd

        c = ['A','A','A','B','B','C','C','C','C']

        category = pd.Categorical(c)

        print category.codes

 

参考三、

  利用 sklearn

        from sklearn.preprocessing import LabelEncoder

        le = LabelEncoder()

        le.fit([1,5,67,100])

        le.transform([1,1,100,67,5])

    输出： array([0,0,3,2,1])

 

  #OneHotEncoder 用于将表示分类的数据扩维：

        from sklearn.preprocessing import OneHotEncoder

        ohe = OneHotEncoder()

        ohe.fit([[1],[2],[3],[4]])

        ohe.transform([2],[3],[1],[4]).toarray()

    输出：[ [0,1,0,0] , [0,0,1,0] , [1,0,0,0] ,[0,0,0,1] ]

 

参考四、

利用keras中的keras.utils.to_categorical方法

to_categorical(y, num_classes=None, dtype='float32')

将整型标签转为onehot。y为int数组，num_classes为标签类别总数，大于max(y)（标签从0开始的）。