如何将Python中的列类型从INT更改为Sklearn的对象

Question

我真的是Python和Scikit-learn（Sklearn）的新手，我正在尝试加载该数据集，该数据集由7列属性和1列数据分类（类/数据目标）。但是，有一个由数据[1,2,3,4,5]组成的一个属性，实际上标志着某物的阶段，因此使其成为名义而不是数字。但是，当然，Python将其视为数值数据（INT64），而实际上我希望将其视为标称数据（对象）。如何将列类型更改为名义？

我已经完成了以下操作。

print(data.dtypes)
data["col_name"]=data["col_name"].astype(numpy.object)
print(data.dtypes)

在第一个打印中，它仍然识别我的数据[" col_name"]为INT64，但是在astype行之后，它已将其更改为object。但这对数据没有任何影响，因为当我尝试使用matplotlib并创建直方图时，它仍然识别x和y是数字而不是对象。

我也在文档上阅读了有关One Hot Encoding和Label Encoding的信息，但我认为在我的情况下它们不是我所需要的。我想知道我是否误解了某些东西，或者也许还有另一个解决方案。

谢谢

Answer 1

通过Sklearn的文档阅读。该软件包具有详尽的文档。特别是关于编码分类特征的预处理部分：

关于在整数中表示的分类特征，即[1,2,3,4,5]，我们有：

这种整数表示不能直接与Scikit-learn一起使用 估计器，正如这些期望的连续输入一样，将解释 类别是被订购的类别，通常是不需要的（即集合 任意订购浏览器的浏览器。转换的一种可能性 可以与Scikit-Learn一起使用的功能的分类功能 估计器将使用独一无二的或一hot编码 在onehotencoder中实现。此估计器会转换每个 分类功能具有M可能值为M二进制特征的特征， 只有一个活动。

因此，您可以做的是使用单速编码将数组转换为5个新列（这种情况，因为您有5个可能的值）。

这是一些工作代码。输入是分类参数[1,2,3,4,5]的一列，OUPUT是一个矩阵，5列，1个可能的选择中的每一个：

from sklearn.preprocessing import OneHotEncoder
enc = OneHotEncoder()
enc.fit([[1],[2],[3],[4],[5]])  
OneHotEncoder(categorical_features='all', dtype='numpy.float64', handle_unknown='error', n_values='auto', sparse=True)
print enc.transform([[1],[2],[3],[4],[5]]).toarray()

输出：

[[ 1.  0.  0.  0.  0.]
 [ 0.  1.  0.  0.  0.]
 [ 0.  0.  1.  0.  0.]
 [ 0.  0.  0.  1.  0.]
 [ 0.  0.  0.  0.  1.]]

说您的分类参数按以下顺序：[1,3,2,5,4,3,2,1,3,4,2]。您将获得此输出：

[[ 1.  0.  0.  0.  0.]
 [ 0.  0.  1.  0.  0.]
 [ 0.  1.  0.  0.  0.]
 [ 0.  0.  0.  0.  1.]
 [ 0.  0.  0.  1.  0.]
 [ 0.  0.  1.  0.  0.]
 [ 0.  1.  0.  0.  0.]
 [ 1.  0.  0.  0.  0.]
 [ 0.  0.  1.  0.  0.]
 [ 0.  0.  0.  1.  0.]
 [ 0.  1.  0.  0.  0.]]

因此，此1列将转换为5列。

Answer 2

print(data.dtypes)
data["col_name"]=data["col_name"].astype(str)
print(data.dtypes)