パンダカテゴリ属性を扱う方法

Question

私はCloudera 5.2 VMとpandasを扱います0.18.0 私はデータフレームにkmeansを適用したいと思います。しかし、私はstrの列を持っています。

私のデータフレームが

adClicksPerTime.head(n=5) 
Out[50]: 
      timestamp adCategory userId totalAdClicks 
0 2016-05-26 15:00:00 automotive  355    1 
1 2016-05-26 15:00:00  clothing 1027    1 
2 2016-05-26 15:00:00 computers 1821    1 
3 2016-05-26 15:00:00 computers 2139    1 
4 2016-05-26 15:00:00 electronics  253    1 

for col in adClicksPerTime: 
    print(col) 
    print(type(adClicksPerTime[col][1])) 


timestamp 
<class 'pandas.tslib.Timestamp'> 
adCategory 
<class 'str'> 
userId 
<class 'numpy.int64'> 
totalAdClicks 
<class 'numpy.int64'> 

私は関数kmeansを実行すると、私は数値コード

adClicksPerTime.adCategory = pd.Categorical.from_array(adClicksPerTime.adCategory)  

adClicksPerTime.head(n=5) 
Out[54]: 
      timestamp adCategory userId totalAdClicks 
0 2016-05-26 15:00:00 automotive  355    1 
1 2016-05-26 15:00:00  clothing 1027    1 
2 2016-05-26 15:00:00 computers 1821    1 
3 2016-05-26 15:00:00 computers 2139    1 
4 2016-05-26 15:00:00 electronics  253    1 

for col in adClicksPerTime: 
    print(col) 
    print(type(adClicksPerTime[col][1])) 


timestamp 
<class 'pandas.tslib.Timestamp'> 
adCategory 
<class 'str'> 
userId 
<class 'numpy.int64'> 
totalAdClicks 
<class 'numpy.int64'> 

を割り当てるには、カテゴリ型にし、後に自分の文字列を変換しようとしたエラー

ValueError: could not convert string to float: 'automotive' 

を取得しています

このstrフィールドにkmeansを適用するにはどうすればよいですか？

Answer 1

ダミーを取得すると、ダミーにカテゴリが変更されます。

dummies = pd.get_dummies(adClicksPerTime[adCategory]) 
del dummies['automotive'] 
print dummies.columns 

その後adClicksPerTime DATAFRAMEと、このデータフレームをマージし、最後に関数kmeansを適用します。

adClicksPerTime.info()はあなたにdtypesを与えます。