Python 我应该如何构建tensorflow数据集，以便将其输入自定义RNN估计器

我正在尝试使用RNN来估计我网站上的客户是否会根据他们的点击行为购买物品。因此，数据集看起来像：

session_id  page_type   event            since_previous_click (s)   will_buy
1           search      SelectCountry    null                        0
1           search      SelectCountry    2                           0
1           search      SortResults      4                           0
1           product     SelectColor      20                          0
2           search      SelectCountry    null                        1
2           search      SortResults      10                          1
2           product     SelectSize       5                           1
2           product     SelectColor      23                          1
2           inmarket    EnterName        8                           1
2           inmarket    Booked           34                          1

---

所以“will_buy”是标签，页面类型、事件和自上次点击是输入功能。然而，我的问题是，我不知道如何组织我的工作。我知道维度应该是[#数据点，#时间步长，#特征]，其中时间步长的数量应该填充，因为它们的长度不同。但我不能从张量（或numpy数组）构造这个3D对象，因为有多个数据类型（string和int32）。有什么帮助吗？

将页面类型和事件转换为一个热向量。然后，您的所有数据都将是int32。

这可能会帮助您回答一些问题：）