持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第7天，点击查看活动详情

注意：本案例使用 Jupyter Notebook 进行案例演示

1. 数据离散化

连续属性的离散化就是将连续属性的值域上，将值域划分成为若干个离散区间，最后用不同的符号或整数值代表落在每个子区间中的属性值

• one-hot编码（哑变量）
• 假设有一组原始身高的数据
• 我们按照身高分为几个区间段
• 这样我们将数据分到了三个区间段，我可以对应的标记为矮，中，高三个类别，最终要处理成一个哑变量矩阵

对数据进行分组：

1. 自动分组：pd.qcut(data, bins)

• data：传入数据
• bins：想要分的组数

2. 自定义分组：pd.cut(data, [])

• data：传入数据
• []：设定好的区间以列表的形式传进来

3. 将分组好的结果转换成one-hot编码：pd.get_dummies(sr, predix)

• sr：上一步分组好的结果
• prefix：前缀（分组名字）

首先，导入相关库并读取数据

import numpy as np
import pandas as pd
# 1. 读取数据
stockkk = pd.read_csv("stock_new.csv")
stockkk.head()

运行结果如下图所示：

1.1 自动分组

下面对数据进行自动分组：

• 自动分组：pd.qcut(data, bins)
  • data：传入数据，p_change
  • bins：想要分的组数，10，分了10组 首先获取了p_change表中这一列数据，只针对这一列数据进行分组，我们想要将其分成10组，因此在qcut中传入参数10。

p_change = stockkk["p_change"]
# 2. 数据离散化
## 2.1 自动分组
sr_stock = pd.qcut(p_change, 10)
sr_stock.value_counts()

运行结果如下图所示：其中将p_change数据按照从最小到最大之间分成了10组，并且.value_counts能够查看每组数据的样本个数。

对上一步分好组的数据进行离散化，将其转换成one-hot编码

• 将每个分好的组作为表头，并且在该表头之前加上“涨跌幅”字段

## 3. 离散化
pd.get_dummies(sr_stock, prefix="涨跌幅")

运行结果如下图所示：

1.2 自定义分组

2. 自定义分组：pd.cut(data, [])

• data：传入数据
• []：设定好的区间以列表的形式传进来

3. 将分组好的结果转换成one-hot编码：pd.get_dummies(sr, predix)

• sr：上一步分组好的结果
• prefix：前缀（分组名字）

传入自己自定义的分组方式bins，然后使用.cut进行自定义分组

## 2.2 自定义分组
bins1 = [-100, -7, -5, -3, 0, 3, 5, 7, 100]
sr_stock1 = pd.cut(p_change, bins1)
sr_stock1.value_counts()

自定义分组结果如下图所示：

对自定义分组后的数据进行one-hot编码

• 在每个分组表头前加上"rise"字段

# one-hot
stock_change = pd.get_dummies(sr_stock1, prefix="rise")
stock_change

运行结果如下图所示：