Comment pré-traiter une caractéristique à valeurs multiples (genre_ids)?Fonction multivalues de prétraitement?
Comme j'ai besoin d'attribuer une valeur numérique à chaque ligne d'une colonne, mais avec quelle efficacité je peux pré-traiter ce genre_ids?
msno |city |bd |gender| song_id| song_length| genre_ids| artist_name
1 12 33 0 11 222 372 89
2 11 23 1 1 202 372|374|375 99
3 14 22 1 2 300 386 78
Vous pouvez utiliser package pandas pour résoudre votre tâche:
import pandas as pd
df = pd.DataFrame({'msno': [1, 2, 3],
'city': [12, 11, 14],
'bd': [33, 23, 22],
'gender': [0, 1, 1],
'song_id': [11, 1, 2],
'song_length': [222, 202, 300],
'genre_ids': ['372', '372|374|375', '386'],
'artist_name': [89, 99, 78]})
genre_ids_dummies = (pd.get_dummies(df.genre_ids.apply(lambda x: x.split('|'))
.apply(pd.Series)
.stack()).sum(level=0))
df_processed = pd.concat(objs=[df.drop(labels='genre_ids', axis=1),
genre_ids_dummies], axis=1)
SO une guerre façon de construire une colonne pour chaque genre_id et coder comme un peut-être Matrice Creuse (One_Hot_encoding). Cependant, pour condenser cette énorme matrice, vous pouvez essayer d'utiliser des méthodes d'apprentissage non supervisées. – Quickbeam2k1