就是轉換為數值類型方便機器學習模型處理

一、編碼

這里舉例將Survived這一行的數據轉換為編碼，原本是字符串類型

2、將標簽編碼并賦值回去

from sklearn.preprocessing import LabelEncoder
y = data.iloc[:, -1]    # 最后一列拿出來
print(y)
le = LabelEncoder()
le = le.fit(y)
label_ = le.transform(y)# label_ = le.fit_transform(y) # 上面兩個可以合并成這個
# le.inverse_transform(label_)  # 逆向編碼，和fit_transform相反data.iloc[:, -1] = label_   # 填回最后一列
# 那么多可以簡寫成這樣：
# data.iloc[:, -1] = LabelEncoder().fit_transform(data[:, -1])
data.head()

此時的Survived那一列變成了數字類型

二、啞變量

這里以Embarked那一列舉例，它有三個值，這個時候就可以變成二進制的值來存儲使用

from sklearn.preprocessing import OneHotEncoder
X = data.iloc[:,1:-1]enc = OneHotEncoder(categories='auto').fit(X)
result = enc.transform(X).toarray()     # 可以合并為：OneHotEncoder().fit(X).transform(X).toarray()
result

0和1列是Sex的編碼，其它的是Embarked的編碼

三、二值化

原本年齡那一列是數值類型的，然后想要以30歲為界限進行分類

from sklearn.preprocessing import Binarizer
X = data_2.iloc[:, 0].values.reshape(-1,1)      # 找到年齡那一列，并轉換為二維數組
transformer = Binarizer(threshold=30).fit_transform(X)

四、分段

將年齡按照段來分開

from sklearn.preprocessing import KBinsDiscretizerX = data.iloc[:, 0].values.reshape(-1,1)        # 取出Age那一列
est = KBinsDiscretizer(n_bins=3, encode='ordinal', strategy='uniform')
est.fit_transform(X)

也可以不用整數形式顯示，用啞變量

# 年齡分三段，啞變量進行顯示，onehot控制
est = KBinsDiscretizer(n_bins=3, encode='onehot', strategy='uniform')
est.fit_transform(X).toarray()