数据离散化

最新推荐文章于 2024-03-29 15:15:38 发布

一匹脱缰的野马

最新推荐文章于 2024-03-29 15:15:38 发布

阅读量949

点赞数 1

CC 4.0 BY-SA版权

分类专栏： pandas的使用

本文链接：https://blog.csdn.net/qq_39112101/article/details/100923988

pandas的使用专栏收录该内容

20 篇文章

订阅专栏

使用get_dummies将类别型数据转化为哑变量矩阵

加载数据，并将数据离散化

detail = pd.read_excel('./meal_order_detail.xlsx')

# print(detail.loc[:,'dishes_name'])

res = pd.get_dummies(detail.loc[:,'dishes_name'],prefix='菜品',prefix_sep=':')
print(res)

类别型数据转变为数值型数据

将连续性数据进行离散化，进行分组，将具体的数值转化为区间数据。bins表示分几组,include_lowest为True包含数据中的最小值。

amounts列的数据如下：

数据离散化之后的结果如下：
res_cut = pd.cut(detail.loc[:,'amounts'],bins=5,include_lowest=True)
print(res_cut)

ptp = detail.loc[:,'amounts'].max()-detail.loc[:,'amounts'].min()
step = np.ceil(ptp/5)
bins = np.arange(detail.loc[:,'amounts'].min(),detail.loc[:,'amounts'].max()+step,step)
res_cut = pd.cut(detail.loc[:,'amounts'],bins=bins,include_lowest=True)
print(res_cut)

利用分位数进行等频分组 [0,0.2,0.4,0.6,0.8,1.0]

bins = detail.loc[:,'amounts'].quantile(np.arange(0,1+1/5,1/5))
res_cut = pd.cut(detail.loc[:,'amounts'],bins=bins,include_lowest=True)
print(res_cut)

bins = [0,40,80,120,160,200]
res_cut = pd.cut(detail.loc[:,'amounts'],bins=bins,include_lowest=True)
print(res_cut)

将连续性数据转变成哑变量数据

bins = [0,40,80,120,160,200]
res_cut = pd.cut(detail.loc[:,'amounts'],bins=bins,include_lowest=True)

res_counts = pd.value_counts(res_cut)
res_dum = pd.get_dummies(res_cut,prefix='区间',prefix_sep=':')
print(res_dum)