我有如下数据框
train_df
'type', 'manufacturer', 'year', 'num_doors'
sedan, bmw, 2012, 4
couple, audi, 2014, 2
and so on
和test_df格式相似 所有特征都是分类特征(一些字符串，一些 int)，我想将它们编码为分类变量。
在 pandas/sklearn 中处理这些分类变量的好方法是什么 此外，一旦在火车 df 上应用了转换。我还想根据这些编码对 test_df 进行编码吗？
请您参考如下方法:
读取数据时，将 dtype 指定为 category 以使每一列本质上都是分类的。
df = pd.read_csv('file.csv', dtype='category')
df
type manufacturer year num_doors
0 sedan bmw 2012 4
1 couple audi 2014 2
df.dtypes
type category
manufacturer category
year category
num_doors category
dtype: object
如果您只想转换列的特定子集，可以这样做 -
f = dict.fromkeys(['type', 'manufacturer', ...], 'categorical')
将 f 传递给 dtype。
df = pd.read_csv('file.csv', dtype=f)
