数据处理之虚拟变量分析,虚拟变量法怎么算,虚拟变量分析题

　　-*-编码：utf-8 -*-

　　#概念：虚拟变量，也叫哑变量和离散特征码，可以用来表示分类变量和非定量因素对分析可能产生的影响。

　　#离散特征的值具有大小的意义。例如尺寸(长、大、XXL)

　　#离散特征值之间的大小没有意义。例如：颜色(红、蓝、绿)、性别

　　#离散特性值之间具有尺寸显著性的处理函数：

　　#熊猫。Series.map(字典)

　　#dict:映射字典

　　#离散特征值之间无大小意义的处理函数：

　　#pandas.get_dummies(data，prefix=None，prefix_sep=_ ，dummy_na=False，columns=None，drop_first=False)

　　#data:要处理的数据帧

　　#prefix:列名的前缀，当多个列具有相同的离散项时使用。

　　#prefix_sep:前缀和离散值之间的分隔符，默认为下划线，默认为fine。

　　#dummy_NA:是否将NA值(空值)视为离散值，默认情况下不处理。

　　#columns:要处理的列的名称。如果未指定此列，默认情况下将处理所有列。

　　#drop_first:是否从备选项中删除第一个备选项，该备选项用于建模以避免共线性(共轭)

　　进口熊猫

　　data=pandas . read _ CSV( D:/work spaces/python/python study/23 . CSV ，编码=utf8 )

　　#1.根据教育背景处理数据：

　　#不同学历有大小的意思，所以用map进行处理。

　　#从控制台查看数据源中的学历值：

　　#使用drop_duplicates查看去重后学历一栏的情况：

　　数据[教育水平]。drop_duplicates()

　　#整理如下：

　　博士后

　　医生医生

　　硕士学位

　　学士学位

　　副学士学位

　　某学院，某专业学院

　　职业贸易学校

　　高中高中

　　小学

　　#定义字典：

　　educationLevelDict={

　　博士后:9，

　　博士学位:8，

　　“硕士学位”:7，

　　“学士学位”:6，

　　副学士学位：5，

　　某大学:4，

　　贸易学校:3，

　　高中:2，

　　“小学”:1

　　}

　　数据[教育水平图]=数据[教育水平]。地图(教育水平词典)

　　#查看数据对象的内容，可以看到添加了列Education Level Map(虚拟变量)，该列的值基于我们的字典。

　　#2.按性别处理数据(ps:暂时不知道这个处理的意义)

　　#性别没有大小的意思，所以用get_dummies来处理

　　数据[性别]。drop_duplicates()

　　dummies=pandas.get_dummies(

　　数据，

　　columns=[Gender]，

　　前缀=[性别]，

　　前缀_sep=_ ，

　　dummy_na=False，

　　Drop_first=False #保留所有属性值

　　)

　　假人[性别]=数据[性别]

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。