数据预处理与特征工程：处理连续型特征--二值化与分段

二值化与分段

思想：将连续变量转换为分类变量

1.sklearn.preprocessing.Binarizer

根据阈值将数据二值化（将特征值设置为0或1），用于处理连续型变量。大于阈值的值映射为1，而小于或等于阈

值的值映射为0。默认阈值为0时，特征中所有的正值都映射到1。二值化是对文本计数数据的常见操作，分析人员

可以决定仅考虑某种现象的存在与否。它还可以用作考虑布尔随机变量的估计器的预处理步骤（例如，使用贝叶斯

设置中的伯努利分布建模）。

from sklearn.preprocessing import Binarizer
data = pd.read_csv(r'F:\Python\Narrativedata.csv')
data.iloc[:,1].fillna(29,inplace = True)
X = data.iloc[:,1].values.reshape(-1,1) #转换为二维矩阵

transformer = Binarizer(threshold=30).fit_transform(X)#threshold=30以30岁为年龄界限来进行划分
transformer

 

 

2.preprocessing.KBinsDiscretizer

 

 

from sklearn.preprocessing import KBinsDiscretizer
data = pd.read_csv(r'F:\Python\Narrativedata.csv')
data.iloc[:,1].fillna(29,inplace = True)
X = data.iloc[:,1].values.reshape(-1,1) #转换为二维矩阵
est = KBinsDiscretizer(n_bins=3, encode='ordinal', strategy='uniform')
est.fit_transform(X) #查看转换后分的箱：变成了一列中的三箱
set(est.fit_transform(X).ravel())
est = KBinsDiscretizer(n_bins=3, encode='onehot', strategy='uniform') #查看转换后分的箱：变成了哑变量
est.fit_transform(X).toarray()

array([[1., 0., 0.],
       [0., 1., 0.],
       [1., 0., 0.],
       ...,
       [0., 1., 0.],
       [1., 0., 0.],
       [0., 1., 0.]])