在sklearn中将文本列转换为数字 [英] convert text columns into numbers in sklearn

问题描述

我是数据分析的新手.我正在 python Sklearn 中尝试一些模型.我有一个数据集，其中一些列有文本列.如下图，

I'm new to data analytics. I'm trying some models in python Sklearn. I have a dataset in which some of the columns have text columns. Like below,

数据集

有没有办法将这些列值转换为 pandas 或 Sklearn 中的数字?.为这些值分配数字是否正确?.如果测试数据中弹出一个新字符串怎么办?.

Is there a way to convert these column values into numbers in pandas or Sklearn?. Assigning numbers to these values will be right?. And what if a new string pops out in test data?.

请指教.

推荐答案

考虑使用标签编码 - 它通过为每个类别分配一个介于 0 和 num_of_categories-1 之间的整数来转换分类数据:

Consider using Label Encoding - it transforms the categorical data by assigning each category an integer between 0 and the num_of_categories-1:

from sklearn.preprocessing import LabelEncoder
df = pd.DataFrame(['a','b','c','d','a','c','a','d'], columns=['letter'])

  letter
0      a
1      b
2      c
3      d
4      a
5      c
6      a

申请:

le = LabelEncoder()
encoded_series = df[df.columns[:]].apply(le.fit_transform)

encoded_series:

encoded_series:

    letter
0   0
1   1
2   2
3   3
4   0
5   2
6   0
7   3

这篇关于在sklearn中将文本列转换为数字的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！