def category_continue_separartions(df,feature_names):
categorical_var=[]
numberical_var=[]
if 'target' in feature_names:
feature_names.remove('target')
## 先判断数据类型,如果是int或者是float就直接作为连续变量
numerical_var=list(df[feature_names].select_types(include=['int','float','int_32','float32','float64'].columns.values))
categorical_var=[x for x infeature_names if x not in numerical_var]
return categorical_var,numberical_var
筛选连续变量和分类变量的代码
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
推荐阅读更多精彩内容
- ![在这里插入图片描述](https://img-blog.csdnimg.cn/202009072040092...
- 一、什么是调节效应 调节效应就是说因变量与自变量的关系受到第三个变量即调节变量的影响。 举个栗子: 之前很火的电视...
- 各位读者朋友们大家好啊,最近有不少读者私信我说关于单臂实验的meta分析能不能出个教程,尤其是对于单臂连续型变量,...
- 步骤: 分析+频率+变量+确定 第一张表:统计 显示了本次频率分析操作中全部变量的个案数(有效个案数26个,缺失个...