我的所有类别都转换为NaN或“缺失”，有什么问题吗？
我的所有类别都转换为NaN或“缺失”，有什么问题吗？
提问于 2022-03-23 12:17:45
你好，我有一个dataFrame，其中一个特性是绝对的，我想将其转换为序号类别(包括缺失值的类别)
。
，但在最后一个单元格中，如您所见，它假设我的所有类别都是NaN (-1)，甚至我也使用X.fillna(“缺失”)来假设所有这些都是“缺失”
我没有什么问题，我也找不到任何有用的文档.
谢谢
回答 1
Data Science用户
回答已采纳
发布于 2022-03-24 09:22:04
您在代码中提到了两个问题：
- 问题1:我们丢失的值被编码为一个独立的类。
它不再是一个缺失的值，因为您将np.NAN放在那里，nan将被视为普通编码器中的一个独立类。
- 顺序不受尊重，因为类别没有被指定，所以它将被视为自动，而最重要的值将被视为第一。
正如@Oxbowerce评论的那样，您的pandas.Categorical将返回-1，因为值是存在的，而不是字符串。
在您的代码中，我不知道为什么要替换np.NAN()。
X = pd.DataFrame ( np.array ( [ 'M', 'O-', 'medium',
'M', 'O-', 'high',
'F', 'O+', 'high',
'F', 'AB', 'low',
'F', 'B+', np.NAN]).reshape((5,3)))
X.columns = ['sex', 'blood_type', 'edu_level']此时，如果您知道这是缺失的值，那么最好在这里替换它本身，而不是让它变得复杂。
或者在处理完之后，如果您想要转换回包含丢失值在内的类别，则只需通过
edu_dict = {2.0: 'Low', 0.0: 'High', 1.0: 'Medium', 3.0: 'Missing', }
X['edu_level'] = X['edu_level'].map(edu_dict)产出：
sex blood_type edu_level
0 M O- Low
1 M O- High
2 F O+ High
3 F AB Medium
4 F B+ Missing页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/109291
复制相关文章
相似问题
腾讯云开发者
