描述问题

当我们在机器学习中做tree模型或者逻辑回归分类问题或者其他模型时，输入的特征值为不可判别str种类，此时需要将特征值转化为可识别int或者float种类，

例如在原始数据中可以看到如下图：

 在Mfg这一列，分别是雪佛兰，别克，奥迪等汽车品牌，做一个特征值输入，但是这类字符串在模型构建过程中不能被识别，那么现在就需要对这一列进行处理，那考虑到之后的数据可能也会出现类似情况，那么我们将处理函数做成一个类似插件的函数模式，

function convent_columns(X, list_name)
    #将不可处理的列中的str转换成int
    y = names(X)#读取列名
    X = Array(X)#将Julia格式的dataframe转化为array格式
    py"""
    import pandas as pd
    def lasso_my (X, y, list_name):
        X = pd.DataFrame(X)#将array转化为python格式的dataframe
        data1 = X.dropna()#处理缺失值
        data1 = data1.copy()#这一行是后面补上的，涉及到深浅拷贝的问题，不加会有警告
        for i in range(len(y)):
            data1.rename(columns={i: y[i]}, inplace=True)#对列名赋值
        df1 = data1[list_name]
        liit_key = list(set(df1.values))
        list_val = list(range(len(liit_key)))
        dic = dict(zip(liit_key,list_val))#将我们需要处理的列处理成字典，
        column = []
        for i in range(len(df1.values)):
            for k in dic.keys():
                if df1.values[i] == k:
                    column.append(dic[k])
        data1[list_name] = column#拿到新的列
        return data1.iloc[:,:-1], data1.iloc[:,-1], dic
    """
    return py"lasso_my"(X, y, list_name)
end

上面的代码段是julia来调用python函数，因为我输入是julia格式的dataframe，如果是python环境可以直接取中间代码即可，

我们现在看一下处理之后的数据，

 可以看到我们模型识别不了的字符串类型已经转化成int，

我们也可以取出字典来了解对应的汽车品牌，如下图

 到这里本期分享就结束了，

记录自己第一次发布文章，2022.11.2_悍马提缰