Pandas 这意味着如何使用分类属性

我使用Cloudera 5.2虚拟机和pandas 0.18.0 我想将kmeans应用于我的数据帧。但是我有str列

我的数据帧是

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'>

我尝试将字符串转换为分类类型，然后再分配数字代码

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'>

adClicksPerTime.adCategory=pd.category.from_数组（adClicksPerTime.adCategory）
adClicksPerTime.head（n=5）
出[54]：
时间戳adCategory用户ID totalAdClicks
0 2016-05-26 15:00:00汽车355 1
1 2016-05-26 15:00:00服装1027 1
2 2016-05-26 15:00:00计算机1821
3 2016-05-26 15:00:00计算机2139 1
4 2016-05-26 15:00:00电子253 1
对于ADC中的列，请单击时间：
打印（col）
打印（键入（adClicksPerTime[col][1]））
时间戳
广告类别
用户ID
总滴答声

---

如何将kmeans应用于此str字段？

Get dummies会将类别更改为dummies

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

然后将此数据帧与

adClicksPerTime

DataFrame合并，最后应用Kmeans

adClicksPerTime.info（）

将为您提供数据类型。

k-means仅适用于连续变量。不要在这种数据上使用它！

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