[PYTHON] [Pratique pour les débutants] Lire ligne par ligne "Prédiction des prix des maisons" de kaggle (5ème: Dummy of categorical variables)
thème
- Cliquez ici pour le premier contenu
- Cliquez ici pour la partie 2
- Cliquez ici pour le contenu de la partie 3
- Cliquez ici pour le contenu de la partie 4
Le 5ème projet de faire une note du contenu de la pratique que tout le monde va contester le fameux thème "House Price" problème de kaggle. C'est plus un mémo qu'un commentaire, mais j'espère que cela aide quelqu'un quelque part. Je veux penser que la fin est sur le point d'être vue.
- Thème original: https://www.kaggle.com/c/house-prices-advanced-regression-techniques
- Article référencé: https://yolo-kiyoshi.com/2018/12/17/post-1003/
Le travail d'aujourd'hui
Dummy des variables catégorielles
C'est comme remplacer les chaînes de caractères par des nombres.
- Référence: https://markezine.jp/article/detail/20790
#Lister les fonctionnalités des variables catégorielles
cat_cols = alldata.dtypes[alldata.dtypes=='object'].index.tolist()
#Lister les caractéristiques des variables numériques
num_cols = alldata.dtypes[alldata.dtypes!='object'].index.tolist()
#Liste des colonnes requises pour le fractionnement et la soumission des données
other_cols = ['Id','WhatIsData']
#Supprimer les éléments supplémentaires de la liste
cat_cols.remove('WhatIsData') #Suppression de l'indicateur de distinction des données d'entraînement / données de test
num_cols.remove('Id') #Id supprimer
#Variables catégoriques factices
alldata_cat = pd.get_dummies(alldata[cat_cols])
#Intégration de données
all_data = pd.concat([alldata[other_cols],alldata[num_cols],alldata_cat],axis=1)
Lister les fonctionnalités des variables catégorielles
- .dtypes: je l'ai fait dans la partie 3. C'est celui qui détecte le type de données.
- .index: Cela a été fait dans la partie 4. Celui qui extrait uniquement l'index du tableau correspondant.
- .tolist (): Ceci a également été publié dans la 4ème fois. Celui qui transforme celui extrait par index dans un tableau.
Oh, je pense que je suis entassé. La réponse mystérieuse. Ensuite, je voudrais sortir uniquement les résultats suivants ensemble. Seul le type de données de type objet a l'index dans la liste.
cat_cols = alldata.dtypes[alldata.dtypes=='object'].index.tolist()
Lister les caractéristiques des variables numériques
num_cols = alldata.dtypes[alldata.dtypes!='object'].index.tolist()
Cela revient à lister les caractéristiques des variables catégorielles, je vais donc l'omettre.
Liste des colonnes requises pour le fractionnement et la soumission des données
other_cols = ['Id','WhatIsData']
Comme vous pouvez le voir, les colonnes ajoutées dans la partie 2 sont stockées dans le tableau. Apparemment, cette prochaine étape sera utilisée pour supprimer des éléments supplémentaires de la liste.
Supprimer les éléments supplémentaires de la liste
Il semble que cela supprime les éléments inutiles de la liste. Vous pouvez également confirmer à partir de la sortie précédente qu'il y avait un élément appelé WhatIsData dans cat_cols.
cat_cols.remove ('WhatIsData') # Suppression du drapeau de distinction des données de formation / données de test
num_cols.remove ('Id') #Id remove
- .remove (): Je ne sais pas comment l'utiliser. Supprimez l'élément correspondant.
- .remove () Référence: https://www.javadrive.jp/python/list/index8.html
Variables catégoriques factices
alldata_cat = pd.get_dummies(alldata[cat_cols])
- .get_dummies: Comme vous pouvez le voir, il fausse les valeurs dans la colonne donnée.
- .get_dummies Référence: https://note.nkmk.me/python-pandas-get-dummies/
Impression inhabituelle. C'est tellement pratique que vous pouvez simplement l'appliquer à une fonction et qu'il fera tout pour vous ... J'aime ce genre de python.
ʻAlldata_cat = pd.get_dummies (alldata [cat_cols]) `résultat de sortie. C'est incroyable, ça a vraiment changé.
Intégration de données
all_data = pd.concat([alldata[other_cols],alldata[num_cols],alldata_cat],axis=1)
C'est exactement ce que j'ai vu. Combinez [alldata [other_cols], alldata [num_cols], alldata_cat avec concat. (J'en suis venu à dire que ça a l'air super)
C'est tout.
Avez-vous procédé à un bon rythme cette fois? Il semble que cela ne prenne pas beaucoup de temps pour lire et comprendre de manière inattendue. On a l'impression de s'y habituer. Je continuerai à me consacrer. Maintenant que les données ont été formatées, il est temps de les analyser. J'ai hâte d'y être.
Recommended Posts