处理类标数据

生成类标数据：

import pandas as pd

# 生成类别数据
df = pd.DataFrame([
    ["green", "M", 10.1, "class1"],
    ["red", "L", 13.5, "class2"],
    ["blue", "XL", 15.3, "class1"]
    ])
df.columns = ["color", "size", "price", "classlabel"]
print(df)

　　运行结果：

　　

有序特征的映射：

size_mapping = {
    "XL": 3,
    "L": 2,
    "M": 1,
}
df["size"] = df["size"].map(size_mapping)
print(df)

 　　运行结果：

　　

　　可以通过size_mapping映射回去

# 通过size_mapping映射回去
inv_size_mapping = {v: k for k, v in size_mapping.items()}
df["size"] = df["size"].map(inv_size_mapping)
print(df)

　　运行结果：

　　

 类标的编码：

　　可以简单地从0开始设置类标

import numpy as np
class_mapping = {label: idx for idx, label in enumerate(np.unique(df["classlabel"]))}
print(class_mapping)
df["classlabel"] = df["classlabel"].map(class_mapping)
print(df)

　　运行结果：

　　

　　同样我们可以使用键值对倒置还原类标

inv_class_mapping = {v: k for k, v in class_mapping.items()}
df["classlabel"] = df["classlabel"].map(inv_class_mapping)
print(df)

　　

　　使用scikit-learn中的LabelEncoder类完成类标的编码

from sklearn.preprocessing import LabelEncoder
class_le = LabelEncoder()
df["classlabel"] = class_le.fit_transform(df["classlabel"].values)
print(df)
# 可以使用inverse_transfrom()还原类标
df["classlabel"] = class_le.inverse_transform(df["classlabel"])
print(df)

　　遇到警告可以使用下面的代码忽略警告：

import warnings
warnings.filterwarnings('ignore')

　　运行结果：

　　

 标称特征上的独热编码

from sklearn.preprocessing import OneHotEncoder
x = df[["color", "size", "price"]].values
color_le = LabelEncoder()
x[:, 0] = class_le.fit_transform(x[:, 0])
# categorical_features来选定矩阵的列；toarray方法将其转化为一个numpy数组
ohe = OneHotEncoder(categorical_features=[0])
x = ohe.fit_transform(x).toarray()
print(x)

　　运行结果：

　　

　　我们可以使用get_dummies更加方便地实现独热编码

print(df)
print(pd.get_dummies(df))

　　运行结果：

　　

　　这里要注意如果类标classlael也是和标称特征一样，则 get_dummies 会使类标也进行独热编码，而这不是我们希望做的！！！