我有一个看起来像这样的数据集......(这里的问题缩短了)。
DataFrame Name = ObjectIntTest
Most of the columns/labels are varios objects
标签 ISIN = 各种 ISIN,例如 IE00B3XXRP09、IE00BF553838、LU0950668870
要运行逻辑回归,我需要将各种 ISIN 转换为整数 (对于 ISIN IE00B3XXRP09 和 IE00BF553838,整数/浮点数必须始终相同)
我尝试了类似这些的各种方法,但我只得到错误:
ObjectIntTest['ISIN'] = ObjectIntTest.ISIN.astype(int) = ValueError: invalid literal for int() with base 10: 'IE00B3XXRP09'
ObjectIntTest['ISIN'] = ObjectIntTest['ISIN'].astype(float) = ValueError: could not convert string to float: 'IE00B3XXRP09'
ObjectIntTest['ISIN'] = ObjectIntTest['ISIN'].astype(str).astype(int) = ValueError: invalid literal for int() with base 10: 'IE00B3XXRP09'
ObjectIntTest = pd.to_numeric(ObjectIntTest['ISIN']) = ValueError: Unable to parse string "IE00B3XXRP09" at position 0
抱歉,我是 Python 和编程的新手,但需要找到使这些数据可用于逻辑回归的解决方案... 感谢您的帮助。
答案 0 :(得分:0)
有两种方法可以解决这个问题:
使用使用 Python 字典的键值映射将 int
映射到 string
。
使用单独的散列函数,例如 Python 的内置 hash
。例如。
>>> hash('IE00B3XXRP09')
2571740993647531361
>>> type(hash('IE00B3XXRP09'))
<class 'int'>
答案 1 :(得分:0)
ISIN 似乎是一个分类特征,因此用整数表示它(您可以对其进行比较和算术)可能会导致问题。
通常使用其中一种编码技术对分类值进行编码,最流行的是 One Hot Encoding 和 Label Encoding。标签编码将每个唯一的分类值映射到一个整数(考虑到我所说的,这并不是很好),而 One Hot 用 N 列替换您的分类列,每列包含值 [0, 1] 之一并代表可能的唯一分类值之一价值。您可能想阅读更多关于 here 的信息。
如果您的 ISIN 列中没有大量唯一值,One Hot 更适合。您可以在分类列上使用 pandas.get_dummies 来应用 One Hot 编码。