输入数据格式为DataFrame
import pandas as pd
df = pd.DataFrame([
['green', 'M', 10.1, 'class1'],
['red', 'L', 13.5, 'class2'],
['blue', 'XL', 15.3, 'class1']])
df.columns = ['color', 'size', 'prize', 'class label']
标签处理:
通常我们会把字符型的标签转换为数值型的:如class label中的class1和class2转化为0和1。ps:class_mapping是一个字典。
class_mapping = {label:idx for idx,label in enumerate(set(df['class label']))}
df['class label'] = df['class label'].map(class_mapping)
特征处理:
同理:我们可以把特征映射为一个字典
size_mapping = {
'XL': 3,
'L': 2,
'M': 1}
df['size'] = df['size'].map(size_mapping)
#不过也可以用上面的标签处理方法,就不用了自己一一列举特征字典了,改为:
size_mapping = {label:idx for idx,label in enumerate(set(df["size"]))}
df["size"] = df["size"].map(size_mapping)