在Python中如何将分类数据转换为二进制数据？

分类数据 ，也被称为 命名数据 ，是一种被分为离散类别或组的数据类型。这些类别没有固有的顺序或数值价值，通常用单词、标签或符号表示。分类数据通常用于描述对象、人或事件的特征或属性，它可以在各种领域中找到，例如社会科学、营销和医学研究。

在Python中，分类数据可以使用各种数据结构表示，例如列表、元组、字典和数组。在Python中用于分类数据的最常用数据结构是pandas DataFrame，它是一种二维表格状数据结构，可以存储和操作大量数据。

这里有一个简单的例子来说明Python中的分类数据

假设您有一个包含有关人们所拥有的车辆类型信息的数据集。该数据集包括以下分类变量−

车辆类型 − 轿车、卡车、SUV、货车、摩托车
燃料类型 − 汽油、柴油、电力、混合动力
颜色 − 红色、蓝色、绿色、黑色、白色

示例

您可以使用pandas DataFrame在Python中表示此数据集，如下所示

import pandas as pd

data = {'Vehicle Type': ['Car', 'Truck', 'SUV', 'Van', 'Motorcycle'],
   'Fuel Type': ['Gasoline', 'Diesel', 'Electric', 'Hybrid', 'Gasoline'],
   'Color': ['Red', 'Blue', 'Green', 'Black', 'White']}
df = pd.DataFrame(data)
print(df)

要运行上面的代码，我们首先需要在我们的机器上安装Pandas库，为此我们可以使用如下所示的命令−

pip3 install pandas

成功安装Pandas之后，我们可以运行如下所示的命令

python3 main.py

输出

上述命令的输出如下所示。

  Vehicle Type Fuel Type  Color
0          Car  Gasoline    Red
1        Truck    Diesel   Blue
2          SUV  Electric  Green
3          Van    Hybrid  Black
4   Motorcycle  Gasoline  White

如您所见，分类变量在DataFrame中表示为列，每个类别在相应的列中表示为字符串值。您可以使用各种Pandas函数和方法来操作和分析此数据，例如 groupby，count，value_counts， 和crosstab。这些函数可以帮助您总结和可视化类别之间的分布和关系，这可以为数据集提供有价值的见解。

现在我们已经了解了一些有关分类数据的内容，让我们看看它们具有哪些特征。

特点分类数据

以下是某些已提到的分类数据的特征。

分类数据有限的类别数量。
类别没有固有的顺序或排名。

分类数据可以按名义或顺序度量。

分类数据通常使用计数或频率分布进行总结。
与数值数据相比，分类数据的统计分析有限。

将分类数据转换为二进制数据

将分类数据转换为二进制数据涉及将分类变量转换为可用于分析或建模的二进制（0或1）值。该转换非常有用，因为许多机器学习算法和统计方法需要数字输入，而不是分类输入。

二进制编码是一种常见的方法，它将分类变量中的每个唯一类别转换为单独的二进制列，其中值1表示该类别的存在，0表示其不存在。

使用pandas get_dummies（）函数或其他类似库在Python中实现此技术非常容易。二进制编码可以帮助提高预测模型的准确性，减少数据存储要求并简化数据分析。

示例

考虑下面的代码，我们将使用Pandas将分类数据转换为二进制数据。

import pandas as pd

#创建包含分类数据的样本DataFrame
data = {'Gender': ['Male', 'Female', 'Male', 'Female'],
   'City': ['New York', 'Chicago', 'Chicago', 'Los Angeles'],
   'Marital Status': ['Single', 'Married', 'Single', 'Divorced']}
df = pd.DataFrame(data)

#使用get_dummies（）将分类变量编码为二进制值
encoded_df = pd.get_dummies(df)

print(encoded_df)

解释

第一行将Pandas库作为pd导入。
在数据字典中创建一个包含分类数据的样本DataFrame。数据框包含三个分类变量：Gender，City和Marital Status。
使用pd.DataFrame（）函数从数据字典创建一个pandas DataFrame。此DataFrame分配给变量df。
在df DataFrame上调用pd.get_dummies（）函数，将分类变量转换为二进制值。此函数为分类变量中的每个唯一类别创建具有二进制编码的新DataFrame。
将生成的二进制编码DataFrame分配给变量encoded_df。
最后，使用print（）函数显示生成的二进制编码DataFrame。

要运行上面的代码，我们需要运行下面的命令。

python3 main.py

输出

上述命令的输出如下所示。

   Gender_Female  Gender_Male  ...  Marital Status_Married  Marital Status_Single
0              0            1  ...                       0                      1
1              1            0  ...                       1                      0
2              0            1  ...                       0                      1
3              1            0  ...                       0                      0

[4 rows x 8 columns]