Python 从Pandas数据帧中获取字符串列到TensorFLow模型的最佳方法是什么？

假设我有一些包含一些字符串列的数据帧：

Animal  Name    Age  ...
Cat     Fluffy  2    ...
Dog     Denton  3    ...

我想把动物列（带有一组已知的值）输入到我的训练模型中（用于线性回归）。我查看了以下选项：

tf.feature\u column.categorical\u column\u与词汇表\u list

一起使用，但随后它似乎与

tf.feature\u column.make\u parse\u example\u spec

和协议缓冲区一起使用

tf.one\u hot

听起来可能有帮助，但示例代码确实没有帮助我理解

---

或者我应该自己写一些东西来将字符串转换成数字/布尔数据吗？

您可以使用

tf.feature\u column.input\u layer

函数来创建输入张量。首先，分类列必须包装为指示符或嵌入列

例如：

# Create columns
vocab_list = ['a','b','c','d']
letter_column = tf.feature_column.categorical_column_with_vocabulary_list(
    key="letter",
    vocabulary_list=vocab_list)
embedded_column = tf.feature_column.embedding_column(letter_column, 8)
indicator_column = tf.feature_column.indicator_column(letter_column)

# Create features and use input_layer to get a tensor
features = {'letter': ['c']}
inp = tf.feature_column.input_layer(features,[embedded_column, indicator_column])

# Print value of inp
with tf.Session() as s:
  s.run([tf.global_variables_initializer(),
         tf.local_variables_initializer(),
         tf.tables_initializer()])
  print(s.run(inp))

输出（前8个数字可能有所不同）：

---

inp

是一个包含12个元素的张量。前8个是根据

embedded\u列

（可培训）计算的嵌入，后4个是

indicator\u列

值的多热表示

可以忽略tf.feature\u列名称空间，如下所示：

使用熊猫自动将字符串列编码为数值。原始数据框中的类别列将具有属性cat.codes。您可以创建一个新的pandas列并将这些cat.code复制到其中。新列将是一个数字列，并填充神经网络所需的数字

使用如下代码查找类别列，并创建新列：

str_cols = [cn for cn in d.columns if is_string_dtype(d[cn])]
add_code_columns = [cn for cn in d.columns if (cn in cat_cols) and (cn in str_cols)]

for cn in add_code_columns:
  codecolname = cn + "_code"
  if not codecolname in d.columns:
    d[codecolname] = d[cn].cat.codes

str_cols = [cn for cn in d.columns if is_string_dtype(d[cn])]
add_code_columns = [cn for cn in d.columns if (cn in cat_cols) and (cn in str_cols)]

for cn in add_code_columns:
  codecolname = cn + "_code"
  if not codecolname in d.columns:
    d[codecolname] = d[cn].cat.codes