在數據建模的過程中，對于文本數據，比如婚姻情況、性別、居住地等。這給只接受數值型的模型造成了很大的干擾，因此在數據采集到數據建模的過程中，我們需要一個過程，叫量化。

比如這樣一個源數據：

收入	身高	長相	體型	是否見面
一般	高	丑	胖	否
高	一般	帥	瘦	是
高	一般	帥	瘦	是
一般	一般	一般	一般	是
高	高	丑	一般	否
一般	高	帥	胖	是
低	低	一般	瘦	否

下面是量化的過程，利用到了字典：

#coding:utf-8import numpy as np import pandas as pd from pandas import DataFrame,Series#讀取文件 datafile = u'E:\\pythondata\\tree.xlsx'#文件所在位置，u為防止路徑中有中文名稱，此處沒有，可以省略 data = pd.read_excel(datafile)#datafile是excel文件，所以用read_excel,如果是csv文件則用read_csv print(data) #將文本中不可直接使用的文本變量替換成數字 productDict={'高':1,'一般':2,'低':3, '帥':1, '丑':3, '胖':3, '瘦':1, '是':1, '否':0} data['income'] = data['收入'].map(productDict)#將每一列中的數據按照字典規定的轉化成數字 data['hight'] = data['身高'].map(productDict) data['look'] = data['長相'].map(productDict) data['shape'] = data['體型'].map(productDict) data['is_meet'] = data['是否見面'].map(productDict) print(data.iloc[:,5:].as_matrix())#as_matrix()矩陣化

?運行結果：

[[2 1 3 3 0][1 2 1 1 1][1 2 1 1 1][2 2 2 2 1][1 1 3 2 0][2 1 1 3 1][3 3 2 1 0][1 1 1 2 1][1 1 1 1 0][3 1 2 2 1][1 3 1 3 1][1 1 1 1 0][1 1 1 2 1][2 2 1 1 1][1 1 1 2 1][1 2 2 1 0][3 1 1 2 0][2 3 3 3 0]]

這是矩陣化之后的數據，便于各種建模，不需要矩陣化的話，就將最后一個print中的.as_matrix()去掉。

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的字符串处理 - DataFrame文本数据的量化 - Python代码的全部內容，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。