Преобразование признака и датафрейма

@MrSergey86 · Регистрация: 24.06.2018

Студворк — интернет-сервис помощи студентам

Коллеги, здравствуйте!

Подскажите пожалуйста по двум вопросам.

1. Имеется категориальный признак, который насчитывает 25 уникальных значений. Одно из этих значений составляет почти 75% от общего числа. Подскажите, нужно ли в таком случае делать дополнительные преобразования, вводить новый признак?

2. При преобразовании категориальноых признаков использовал функцию Normalize из библиотеки sklearn.preprocessing. Создал два датафрейма - X и Y. Функцию Normalize применил к X. Потом мне потребовалось соединить X и Y в один объект (использовал функцию concat), чтобы получить один датафрейм для дальнейшего использования. Но возникла ошибка типов - объект датафрейм и array (после применения Normalize). Каким образом можно сцепить два объекта или как можно нормализовать только одни признаки без целевой переменной в датафрейме(показывает принадлежность к классу - 0 или 1)?

@vrm2 · 18.07.2018, 20:32

Сообщение от MrSergey86

1. Имеется категориальный признак, который насчитывает 25 уникальных значений. Одно из этих значений составляет почти 75% от общего числа. Подскажите, нужно ли в таком случае делать дополнительные преобразования, вводить новый признак?

Да, нужно преобразовывать (например, с помощью OneHotEncoder), т.к. от этого признак может влиять на результат.

2. При преобразовании категориальноых признаков использовал функцию Normalize из библиотеки sklearn.preprocessing. Создал два датафрейма - X и Y. Функцию Normalize применил к X. Потом мне потребовалось соединить X и Y в один объект (использовал функцию concat), чтобы получить один датафрейм для дальнейшего использования. Но возникла ошибка типов - объект датафрейм и array (после применения Normalize). Каким образом можно сцепить два объекта или как можно нормализовать только одни признаки без целевой переменной в датафрейме(показывает принадлежность к классу - 0 или 1)?

Функция normalize вернула numpy array. Чтобы использовать функции из библиотеки pandas нужно преобразовать этот массив в датафрейм:

Python
1
pd.DataFrame(myarray)

Новые блоги и статьи Все статьи Все блоги /
делаю науч статью по влиянию грибов на сукцессию anaschu 13.03.2026 прикрепляю статью	SDL3 для Desktop (MinGW): Создаём пустое окно с нуля для 2D-графики на SDL3, Си и C++ 8Observer8 10.03.2026 Содержание блога Финальные проекты на Си и на C++: hello-sdl3-c. zip hello-sdl3-cpp. zip Результат:	Установка CMake и MinGW 13.1 для сборки С и C++ приложений из консоли и из Qt Creator в EXE 8Observer8 10.03.2026 Содержание блога MinGW - это коллекция инструментов для сборки приложений в EXE. CMake - это система сборки приложений. Здесь описаны базовые шаги для старта программирования с помощью CMake и. . .	Как дизайн сайта влияет на конверсию: 7 решений, которые реально повышают заявки Neotwalker 08.03.2026 Многие до сих пор воспринимают дизайн сайта как “красивую оболочку”. На практике всё иначе: дизайн напрямую влияет на то, оставит человек заявку или уйдёт через несколько секунд. Даже если у вас. . .
Модульная разработка через nuget packages DevAlt 07.03.2026 Сложившийся в . Net-среде способ разработки чаще всего предполагает монорепозиторий в котором находятся все исходники. При создании нового решения, мы просто добавляем нужные проекты и имеем. . .	Модульный подход на примере F# DevAlt 06.03.2026 В блоге дяди Боба наткнулся на такое определение: В этой книге («Подход, основанный на вариантах использования») Ивар утверждает, что архитектура программного обеспечения — это структуры,. . .	Управление камерой с помощью скрипта OrbitControls.js на Three.js: Вращение, зум и панорамирование 8Observer8 05.03.2026 Содержание блога Финальная демка в браузере работает на Desktop и мобильных браузерах. Итоговый код: orbit-controls-threejs-js. zip. Сканируйте QR-код на мобильном. Вращайте камеру одним пальцем,. . .	SDL3 для Web (WebAssembly): Синхронизация спрайтов SDL3 и тел Box2D 8Observer8 04.03.2026 Содержание блога Финальная демка в браузере. Итоговый код: finish-sync-physics-sprites-sdl3-c. zip На первой гифке отладочные линии отключены, а на второй включены:. . .

@MrSergey86 0 / 0 / 0 Регистрация: 24.06.2018 Сообщений: 23

	Преобразование признака и датафрейма 17.07.2018, 23:18. Показов 1832. Ответов 1 Метки нет (Все метки) Коллеги, здравствуйте! Подскажите пожалуйста по двум вопросам. 1. Имеется категориальный признак, который насчитывает 25 уникальных значений. Одно из этих значений составляет почти 75% от общего числа. Подскажите, нужно ли в таком случае делать дополнительные преобразования, вводить новый признак? 2. При преобразовании категориальноых признаков использовал функцию Normalize из библиотеки sklearn.preprocessing. Создал два датафрейма - X и Y. Функцию Normalize применил к X. Потом мне потребовалось соединить X и Y в один объект (использовал функцию concat), чтобы получить один датафрейм для дальнейшего использования. Но возникла ошибка типов - объект датафрейм и array (после применения Normalize). Каким образом можно сцепить два объекта или как можно нормализовать только одни признаки без целевой переменной в датафрейме(показывает принадлежность к классу - 0 или 1)? 0