python - 将数字标志设置为数据框中的字符串

Question

我是 pandas 的新手，想知道处理字符串数据的最佳方式是什么？我正在考虑用一个标志对字符串进行编号，但我确信有更好的方法来做到这一点？字符串值将作为特征合并到 KNN 中。

假设有以下数据并假设我对我的类型进行了编号:

举个例子:这显然会给我一个could not convert string to float

knn = KNeighborsClassifier(n_neighbors=15)
knn.fit(df['Type'], df['Quantity']) 

有没有办法不用把“类型”变成数字就可以做到这一点？

Answer 1

如您所见，Scikit-learn 不接受字符串值作为特征。您必须将每个字符串值转换为一些数字。你可以像你所做的那样添加一个标志列，正如@piRSquared 用 pandas 快捷方式显示的那样(也在 scikit-learn 中使用 LabelEncoder 完成)但是这会使用特定的数字顺序对你的食物类型的值进行编码，这可能会或可能不会感觉。肉真的是水果的两倍， bean 类比肉多 50%。

我个人会使用 pd.get_dummies(df['Type']) 为水果的每个值创建一个新特征。