数据数值转换factorize和dummy

数据的数值转换有两种方式：

1. factorize

API：

 pandas.factorize(values, sort=False, order=None, na_sentinel=-1, size_hint=None) 

将对象编码为枚举类型或分类变量。

输入参数：

values: 一维数据序列

sort: 为数据加标签的时候需不需要保持原有数据的大小关系，默认False

na_sentinel: 对于没有找到数据的赋予的标签，默认-1

返回：

labels和uniques，一般使用的是labels，因此在factorize得到的数据要写上第几维数据。

pd.factorize()[0]

2. dummy

API：

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

 Convert categorical variable into dummy/indicator variables 

输入参数：

prefix: 转换成dummy类型后新增加特征的名字前缀

具体这两种转换方法对于最后的结果有什么影响还没有试过，等豆桑把titanic程序看完了实验一下。

其实就豆桑自己分析的话，由于factorize后的数据不是归一化的，而get_dummies后的数据都是0和1，不需要再进行归一化，因此豆桑觉得可能更多地应用会是get_dummies。