数据预处理（三）：字符型特征处理_特征工程 字符串类型处理方法

字符型特征处理

一、介绍

1.原因

逻辑回归、svm、k近邻等算法只能处理数值型数据，而不能处理文字，因此有时候我们应对文字型数据进行编码，转化为数值型数据。在sklearn中，除了专用于处理文字的算法，其他算法输入数据时全部要求输入数组或矩阵，不能导入文字型数据。

2.两种编码方式

当分类变量的取值之间有大小意义时，如【小学、初中、大学】，可以使用分类编码，将其编码为【0,1,2】。
当分类变量的取值之间没有大小意义时，如【蓝色、黄色、红色】，则使用独热编码。

二、分类编码

1.标签的编码

一般来说，标签都使用分类编码。如【收入低于5k，收入高于5k】，可以使用sklearn.preprocessing.LabelEncoder转换为分类数值【0，1】。

from sklearn.preprocessing import LabelEncoder
#一步到位的写法
data.loc[:,-1] = LabelEncoder().fit_transform(data.loc[:,-1]) 

# 分部写法
y =
1
2
3
4
5