Eine M\u00f6glichkeit hierf\u00fcr ist die Verwendung der Etikettenkodierung<\/strong> , die<\/span> jedem kategorialen Wert basierend auf alphabetischer Reihenfolge einen ganzzahligen Wert zuweist.<\/span><\/p>\n Der folgende Screenshot zeigt beispielsweise, wie jeder eindeutige Wert einer kategorialen Variablen namens \u201e Team\u201c<\/strong> basierend auf alphabetischer Reihenfolge in einen ganzzahligen Wert konvertiert wird:<\/span> <\/p>\n Sie k\u00f6nnen die folgende Syntax verwenden, um die Etikettencodierung in Python durchzuf\u00fchren:<\/span><\/p>\n Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame:<\/span><\/span><\/p>\n Wir k\u00f6nnen den folgenden Code verwenden, um eine Etikettencodierung durchzuf\u00fchren und jeden kategorialen Wert in der Teamspalte<\/strong> in einen ganzzahligen Wert umzuwandeln:<\/span><\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n Beachten Sie, dass Sie auch die Funktion inverse_transform()<\/strong> verwenden k\u00f6nnen, um die Originalwerte der Teamspalte<\/strong> abzurufen:<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie andere h\u00e4ufige Aufgaben in Python ausf\u00fchren:<\/span><\/p>\n So konvertieren Sie eine kategoriale Variable in Pandas in eine numerische Variable<\/a> Beim maschinellen Lernen m\u00f6chten wir h\u00e4ufig kategoriale Variablen in ein numerisches Format umwandeln, das von Algorithmen problemlos verwendet werden kann. Eine M\u00f6glichkeit hierf\u00fcr ist die Verwendung der Etikettenkodierung , die jedem kategorialen Wert basierend auf alphabetischer Reihenfolge einen ganzzahligen Wert zuweist. Der folgende Screenshot zeigt beispielsweise, wie jeder eindeutige Wert einer kategorialen Variablen namens \u201e […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/labelencode2-1.jpg\")
<\/p>\n from<\/span> sklearn. preprocessing<\/span> import<\/span> LabelEncoder\n\n#create instance of label encoder\n<\/span>lab = LabelEncoder()\n\n#perform label encoding on 'team' column\n<\/span>df[' my_column<\/span> '] = lab. fit_transform<\/span> (df[' my_column<\/span> '])\n<\/strong><\/pre>\n Beispiel: Codierung von Labels in Python<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'B', 'B', 'B', 'B', 'C', 'C'],\n ' points<\/span> ': [25, 12, 15, 14, 19, 23, 25, 29]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points\n0 to 25\n1 to 12\n2 B 15\n3 B 14\n4 B 19\n5 B 23\n6 C 25\n7 C 29<\/strong><\/span><\/pre>\n from<\/span> sklearn. preprocessing<\/span> import<\/span> LabelEncoder\n\n#create instance of label encoder\n<\/span>lab = LabelEncoder()\n\n#perform label encoding on 'team' column\n<\/span>df[' team<\/span> '] = lab. fit_transform<\/span> (df[' team<\/span> '])\n\n#view updated DataFrame<\/span>\nprint<\/span> (df)\n\n team points\n0 0 25\n1 0 12\n2 1 15\n3 1 14\n4 1 19\n5 1 23\n6 2 25\n7 2 29\n<\/strong><\/pre>\n\n
#display original team labels\n<\/span>lab. inverse_transform<\/span> (df[' team<\/span> '])\n\narray(['A', 'A', 'B', 'B', 'B', 'B', 'C', 'C'], dtype=object)\n<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So konvertieren Sie boolesche Werte in Pandas in ganzzahlige Werte<\/a>
So verwenden Sie Factorize(), um Zeichenfolgen in Pandas als Zahlen zu kodieren<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"