标签：src 不同的 span toc efi 筛选 编码 ima 股票
连续属性离散化的目的是为了简化数据结构，数据离散化技术可以用来减少给定连续属性值的个数。离散化方法经常作为数据挖掘的工具。
连续属性的离散化就是在连续属性的值域上，将值域划分为若干个离散的区间，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。
离散化有很多种方法，这使用一种最简单的方式去操作
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
我们对股票每日的"p_change"进行离散化
先读取股票的数据，筛选出p_change数据
data = pd.read_csv("./data/stock_day.csv") p_change= data[‘p_change‘]
使用的工具：
# 自行分组 qcut = pd.qcut(p_change,10) qcut.head() 2018-02-27 (1.738, 2.938] 2018-02-26 (2.938, 5.27] 2018-02-23 (1.738, 2.938] 2018-02-22 (0.94, 1.738] 2018-02-14 (1.738, 2.938] Name: p_change, dtype: category Categories (10, interval[float64]): [(-10.030999999999999, -4.836] < (-4.836, -2.444] < (-2.444, -1.352] < (-1.352, -0.462] ... (0.94, 1.738] < (1.738, 2.938] < (2.938, 5.27] < (5.27, 10.03]] qcut.value_counts() (5.27, 10.03] 65 (0.26, 0.94] 65 (-0.462, 0.26] 65 (-10.030999999999999, -4.836] 65 (2.938, 5.27] 64 (1.738, 2.938] 64 (-1.352, -0.462] 64 (-2.444, -1.352] 64 (-4.836, -2.444] 64 (0.94, 1.738] 63 Name: p_change, dtype: int64
自定义区间分组：
bins = [-100, -7, -5, -3, 0, 3, 5, 7, 100] p_counts = pd.cut(p_change, bins) p_counts.value_counts() (0, 3] 215 (-3, 0] 188 (3, 5] 57 (-5, -3] 51 (7, 100] 35 (5, 7] 35 (-100, -7] 34 (-7, -5] 28 Name: p_change, dtype: int64
把每个类别生成一个布尔列，这些列中只有一列可以为这个样本取值为1.其又被称为热编码。
pandas.get_dummies(data, prefix=None)
data:array-like, Series, or DataFrame
prefix:分组名字
# 得出one-hot编码矩阵
dummies = pd.get_dummies(p_counts, prefix="rise")
dummies.head()
标签：src 不同的 span toc efi 筛选 编码 ima 股票
原文地址：https://www.cnblogs.com/Live-up-to-your-youth/p/14863234.html
