快速将非数值型目标变量转化为数值型变量，比如把[‘L’,’M’,’N’]转化为[1,2,3]或多维向量类型

转化前：

df_train.y.value_counts()

C    620
R    477
G    361
M    353
L    267
T    216
E     87
Name: y, dtype: int64

法1：转化为一维型

from sklearn import preprocessing
# 获取目标变量列
data_y=df_train['y']
# 获取目标变量值
y_labels=list(data_y.value_counts().index)
# 创建标签预处理器
le=preprocessing.LabelEncoder()
le.fit(y_labels)

# 对每一个标签值进行映射
y=data_y.map(lambda x :le.transform([x])[0])
y.value_counts()

转化后：

0    620
5    477
2    361
4    353
3    267
6    216
1     87
Name: y, dtype: int64

法2：转化为多维型

from keras.utils.np_utils import to_categorical
from sklearn import preprocessing
# 获取目标变量列
data_y=df_train['y']
# 获取目标变量值
y_labels=list(data_y.value_counts().index)
# 创建标签预处理器
le=preprocessing.LabelEncoder()
le.fit(y_labels)
# 获取标签的类别数
num_labels=len(y_labels)

# 对每一个标签值进行映射
y=to_categorical(data_y.map(lambda x :le.transform([x])[0]),num_labels)
print(y[:5])

转化后：

array([[0., 0., 0., 0., 0., 0., 1.],
       [0., 0., 0., 0., 0., 0., 1.],
       [0., 0., 1., 0., 0., 0., 0.],
       [0., 0., 1., 0., 0., 0., 0.],
       [0., 0., 1., 0., 0., 0., 0.]])