1處理分型別特徵：編碼與啞變數

from sklearn.preprocessing import LabelEncoder
y = data.iloc[:,-1] #要輸入的是標籤，不是特徵矩陣，所以允許一維
le = LabelEncoder() #例項化
le = le.fit(y) #匯入資料
label = le.transform(y)  #transform介面調取結果
le.classes_ #屬性.classes_檢視標籤中究竟有多少類別
label #檢視獲取的結果label
le.fit_transform(y) #也可以直接fit_transform一步到位
le.inverse_transform(label) #
 
使用inverse_transform可以逆轉
data.iloc[:,-1] = label #讓標籤等於我們執行出來的結果
data.head()
#如果不需要教學展示的話我會這麼寫：
from sklearn.preprocessing import LabelEncoder
data.iloc[:,-1] = LabelEncoder().fit_transform(data.iloc[:,-1])

from sklearn.preprocessing import OrdinalEncoder
#介面categories_對應LabelEncoder的介面classes_，一模一樣的功能
 

data_ = data.copy()
data_.head()
OrdinalEncoder().fit(data_.iloc[:,1:-1]).categories_
data_.iloc[:,1:-1] = OrdinalEncoder().fit_transform(data_.iloc[:,1:-1])
data_.head()

data.head()
from sklearn.preprocessing import OneHotEncoder
X = data.iloc[:,1:-1]
enc = OneHotEncoder(categories='auto
 
').fit(X)
result = enc.transform(X).toarray()
result
#依然可以直接一步到位，但為了給大家展示模型屬性，所以還是寫成了三步
OneHotEncoder(categories='auto').fit_transform(X).toarray()
#依然可以還原
pd.DataFrame(enc.inverse_transform(result))
enc.get_feature_names()
result
result.shape
#axis=1,表示跨行進行合併，也就是將量表左右相連，如果是axis=0，就是將量表上下相連
newdata = pd.concat([data,pd.DataFrame(result)],axis=1)
newdata.head()
newdata.drop(["Sex","Embarked"],axis=1,inplace=True)
newdata.columns = 
["Age","Survived","Female","Male","Embarked_C","Embarked_Q","Embarked_S"]
newdata.head()

2處理連續型特徵：二值化與分段

#將年齡二值化
data_2 = data.copy()
from sklearn.preprocessing import Binarizer
X = data_2.iloc[:,0].values.reshape(-1,1) #類為特徵專用，所以不能使用一維陣列
transformer = Binarizer(threshold=30).fit_transform(X)
transformer

from sklearn.preprocessing import KBinsDiscretizer
X = data.iloc[:,0].values.reshape(-1,1) 
est = KBinsDiscretizer(n_bins=3, encode='ordinal', strategy='uniform')
est.fit_transform(X) #檢視轉換後分的箱：變成了一列中的三箱
set(est.fit_transform(X).ravel())
est = KBinsDiscretizer(n_bins=3, encode='onehot', strategy='uniform') #檢視轉換後分的箱：變成了啞變數
est.fit_transform(X).toarray()