ML中类别数据处理

在做ML时，类别数据很常见，处理类别数据的方法分为以下几种情况：

1、当类别不多时并且value_counts差不多时，做 one-hot就好

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
var_to_encode = ['Device_Type','Filled_Form','Gender','Var1','Var2','Mobile_Verified','Source']
for col in var_to_encode:
    data[col] = le.fit_transform(data[col])

data = pd.get_dummies(data, columns=var_to_encode)
data.columns

　　

2、但是有时候类型之间的value_count 其实很大，这是我们选取某几个类别，然后其余的小量都归结到 other 里面去，

data['Source'] = data['Source'].apply(lambda x: 'others' if x not in ['S122','S133'] else x)
data['Source'].value_counts()