诸如sklearn库，只能对数值型数据进行训练分析，我们要把非数值型数据转换成数值型，在这里介绍几种方法，和大家一起学习。

实验数据

1. one-hot encode（独热编码）

适用于属性值域较小的特征，如 gender = {‘male’， ‘female’} ，它将添加2个新的列：female,male（之所以是2，因为sex特征只有两种取值。），若是女性，则两个新列取(1,0)，反之为(0,1)。类似于寄存器引脚的有效电平，或者网络编程中select函数的fd_set参数变量

以这个例子：

dummy_df  = pd.get_dummies(df.gender)
dummy_df = dummy_df.rename(columns= lambda x: 'gender_'+str(x) )
df = pd.concat([df, dummy_df], axis=1)

Snip20180902_21.png

2. 使用map函数

pandas中， Series有map()函数，可以用它来实现少量的映射

# create mapping rule
mapping_size = {'S':1, 'M':2, 'L':3}

# mapping
df['size'] = df['size'].map(mapping_size)

Snip20180902_23.png

3. factorizing 因子化

factorize函数把相同字符串映射为同一数字

pd.factorize(df.gender)

Snip20180902_27.png

结果返回一个元祖，发现第一个数组跟上图的gender_female列一致。我试着又添加了一种性别，再次调用后：

Snip20180902_28.png

关于独热编码的具体介绍，大家可以看 OneHotEncoder独热编码和 LabelEncoder标签编码.