sklearn笔记15 str类型的数据量化操作

完整代码 sklearn代码10 8-encoding

导包

import numpy as np

import pandas as pd

from pandas import Series,DataFrame

from sklearn.preprocessing import OneHotEncoder,LabelEncoder

from sklearn.neighbors import KNeighborsClassifier

salary = pd.read_csv('./salary.txt')
salary.head()

在这里插入图片描述

salary.drop(labels=['final_weight','education_num','capital_gain','capital_loss'],
          axis = 1,inplace=True)

salary.head()

OridinalEncoder使用

返回的数据就是一个numpy

查看列

对数据进行转换


得到unique并将其付给u

对其进行排序

LabelEncoder的使用

在传输数据时需要一列一列进行传输，也可以进行数据转换，使用for循环可以实现与上述方法相同的效果，在最后可以看到对数据都进行了量化

le = LabelEncoder()

salary_label = le.fit_transform(salary['salary'])

salary_label   

le.fit_transform(salary['education'])

for col in salary.columns:
    salary[col] = le.fit_transform(salary[col])

salary.head()

label就是标签的意思，给数据加上一个数量标签，就是对数据进行量化

OneHotEncoder方法

edu.drop_duplicates().count()

edu = salary[['education']]  #转换没有问题
edu

oh = OneHotEncoder()

oh.fit_transform(edu)

onehot.toarray()[:10]  #查看前是个就不会有省略问题 #如果是标记为1，不是标记为0