數據的數值轉換有兩種方式：

1. factorize

API：

?pandas.factorize(values, sort=False, order=None, na_sentinel=-1, size_hint=None)?

將對象編碼為枚舉類型或分類變量。

輸入參數：

values: 一維數據序列

sort: 為數據加標簽的時候需不需要保持原有數據的大小關系，默認False

na_sentinel: 對于沒有找到數據的賦予的標簽，默認-1

返回：

labels和uniques，一般使用的是labels，因此在factorize得到的數據要寫上第幾維數據。

pd.factorize()[0]

2. dummy

API：

?pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False,drop_first=False, dtype=None)

?Convert categorical variable into dummy/indicator variables?

輸入參數：

prefix: 轉換成dummy類型后新增加特征的名字前綴

具體這兩種轉換方法對于最后的結果有什么影響還沒有試過，等豆桑把titanic程序看完了實驗一下。

其實就豆桑自己分析的話，由于factorize后的數據不是歸一化的，而get_dummies后的數據都是0和1，不需要再進行歸一化，因此豆桑覺得可能更多地應用會是get_dummies。

總結

以上是生活随笔為你收集整理的数据数值转换factorize和dummy的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。