有一些列如branch_id、state_id或country_id。这些值在每一行中并不是唯一的，像id那样。

在进行机器学习项目时，如何处理这些列呢？

我通常只是将它们转换为名义类别

train.branch_id = train.branch_id.astype('category',ordered =False)

回答：

你需要对它们进行标签编码或独热编码（通常是后者）。

最简单的做法是使用pandas.get_dummies。

假设你有一个如下所示的序列：

s = pd.Series(list('abca'))Output:0    a1    b2    c3    a

然后：

pd.get_dummies(s)Output:    a   b   c0   1   0   01   0   1   02   0   0   13   1   0   0

这些数据然后作为独立特征进入你的训练数据集。

然而，如果你在做回归模型，要小心这个陷阱。