我有一个数据集。它有一些字符串列。我想转换这些字符串列。我正在使用这个数据集开发一个神经网络。但是由于数据集有一些字符串值,我无法训练我的神经网络。将这些字符串值转换为神经网络可读格式的最佳方法是什么?
这是我的数据集
type,amount,nameOrig,oldbalanceOrg,newbalanceOrig,nameDest,oldbalanceDest,newbalanceDest,isFraud,isFlaggedFraud
PAYMENT,9839.64,C1231006815,170136.0,160296.36,M1979787155,0.0,0.0,1,0
PAYMENT,1864.28,C1666544295,21249.0,19384.72,M2044282225,0.0,0.0,0,0
TRANSFER,181.0,C1305486145,181.0,0.0,C553264065,0.0,0.0,0,1
我想将那些 type,nameOrig,nameDest 字段转换为神经网络可读格式。
我用过下面的方法。但我不知道这是对还是错。
import pandas as pd
from sklearn.preprocessing import LabelEncoder
enc = LabelEncoder()
test_set = pd.read_csv('cs.csv')
new_test_set['type'] = enc.fit(new_test_set['type'])
我已经回答了以下问题。但是他们中的大多数都不适合我
How to convert string based data frame to numeric
converting non-numeric to numeric value using Panda libraries
converting non-numeric to numeric value using Panda libraries
最佳答案
在这种情况下,您可以使用 pandas 的数据类型 category
将字符串映射到索引(参见 categorical data )。所以没有必要使用 LabelEncoder或 OneHotEncoder的 scikit-learn .
import pandas as pd
df = pd.read_csv('54055554.csv', header=0, dtype={
'type': 'category', # <--
'amount': float,
'nameOrig': str,
'oldbalanceOrg': float,
'newbalanceOrig': float,
'nameDest': str,
'oldbalanceDest': float,
'newbalanceDest': float,
'isFraud': bool,
'isFlaggedFraud': bool
})
print(dict(enumerate(df['type'].cat.categories)))
# {0: 'PAYMENT', 1: 'TRANSFER'}
print(list(df['type'].cat.codes))
# [0, 0, 1]
来自 CSV 的数据:
type, ...
PAYMENT, ...
PAYMENT, ...
TRANSFER, ...
关于python - 如何将 Pandas 数据框字符串值转换为数值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54055554/