Mantén la atención ya que en esta sección vas a encontrar el resultado que buscas.Este post ha sido aprobado por nuestros expertos para garantizar la calidad y exactitud de nuestro contenido.
Ejemplo 1: cómo convertir datos continuos en datos categóricos en python
pd.cut(df.Age,bins=[0,2,17,65,99],labels=['Toddler/Baby','Child','Adult','Elderly'])# where bins is cut off points of bins for the continuous data # and key things here is that no. of labels is always less than 1
Ejemplo 2: cómo separar variables numéricas y categóricas en python
df.loc[:,df.dtypes==np.object]
Ejemplo 3: cómo convertir datos categóricos a datos numéricos en python
import pandas as pd
import numpy as np
# Define the headers since the data does not have any
headers =["symboling","normalized_losses","make","fuel_type","aspiration","num_doors","body_style","drive_wheels","engine_location","wheel_base","length","width","height","curb_weight","engine_type","num_cylinders","engine_size","fuel_system","bore","stroke","compression_ratio","horsepower","peak_rpm","city_mpg","highway_mpg","price"]# Read in the CSV file and convert "?" to NaN
df = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/autos/imports-85.data",
header=None, names=headers, na_values="?")
df.head()
Te mostramos las reseñas y valoraciones de los lectores
Finalizando este artículo puedes encontrar las observaciones de otros creadores, tú todavía eres capaz insertar el tuyo si lo crees conveniente.
¡Haz clic para puntuar esta entrada!
(Votos: 0 Promedio: 0)