扫码加入数据分析学习群

类别变量转化为数字，需要区分是否是有序类别，如 male和female，就是无序的，应该转化成(1,0)和(0,1)，但衣服大小，M，L，XL，则应转化为1,2,3

若将无序属性连续化，则会不恰当的引入序关系，对后续处理如距离计算等造成误导

类别变量转化的Python实现：

1、有序的类别变量

有序的类别变量转化，一般直接采用赋值、映射的方法即可，可以采用Python带的map函数。

比如size:[X,XL,XXL]，使用数值的映射{X:1,XL:2,XXL:3}。

2、无序的类别变量

无序的类别变量转化，一般对应的转码方式为 one-hot编码，采用pd.get_dummies(df) 就可以。

具体代码如下

（1）有序：

import pandas as pd
df = pd.DataFrame([
['green', 'M', 10.1, 'class1'],
['red', 'L', 13.5, 'class2'],
['blue', 'XL', 15.3, 'class1']],
)
df.columns = ['color', 'size', 'prize', 'class label']
#DataFram相当于一个数据表，DataFrame(data,columns=['a','b','c'],index=['one','two','three']) ,有这些参数
#上面的代码可以写成，data = [
['green', 'M', 10.1, 'class1'],
['red', 'L', 13.5, 'class2'],
['blue', 'XL', 15.3, 'class1']]
# df = pd.DataFrame (data,columns = ['color', 'size', 'prize', 'class label'])


size_mapping = { 'XL': 3, 'L': 2,'M': 1} #建立一个字典，构建键值对，即数据映射。
df['size'] = df['size'].map(size_mapping) # map函数的使用

将 M,L,XL转化成了1,2,3

（2）无序

pd.get_dummies(df)

将color和class两列，转化成了one_hot编码