我是机器学习的新手。我正在尝试使用pandas/tensorflow来处理一些数据。我知道当我有数据时：

+----+------+| ID | asset|+----+------+|  A | 1    ||  B | 2    ||  C | 3    ||  D | 4    |+----+------+

我可以直接获取”asset”列作为列表[1,2,3,4]，然后使用tensorflow将其转换为[[1,0,0,0],[0,1,0,0],[0,0,1,0],[0,0,0,1]]。

但如果我的数据看起来像这样：

+----+------+| ID | asset|+----+------+|  A | 1    ||  A | 2    ||  A | 3    ||  B | 1    |+----+------+

还有另一张表看起来像这样：

+----+------+| ID | debt |+----+------+|  D | 1    ||  D | 2    ||  D | 3    ||  A | 1    |+----+------+

也就是说，我有客户A拥有三种不同类型的资产，而客户D拥有三种不同类型的债务。请注意，客户D甚至不在第一张表中。

第一个问题是如何合并这些表以找到匹配的客户及其资产/债务。我只是将这些表连接起来吗？（在pandas中使用pd.merge()）这样客户D的资产将会有空值。还是我应该只选择在每张表中都存在的客户？我应该怎么做？

第二个问题是如何将表A转换为[[1,1,1], [1,0,0]]？

希望我的描述有意义。如果我说错了什么，请纠正我。抱歉问题太长了:(

回答：

第一个问题：

答案真的取决于你的机器学习问题以及你希望如何预处理数据（如果你想删除缺失数据的样本或对其进行填补）。由于这可能是你第一次需要准备数据集，我建议你看看这个。

现在，如果你决定要删除缺失值，你可以直接进行内连接，像这样：

df = pd.merge(df1,df2,"inner")

这样你只会取df1和df2的交集。

如果你选择填补缺失值，进行外连接，像这样：

df = pd.merge(df1,df2,"outer")

然后你就可以根据自己的喜好填补缺失值（链接中提出的方法是一种方式）。

第二个问题：

对于这个问题，可能有一个更好的方法（但如果确实存在的话，我完全忘记了它的名字），但这应该也行得通：

a = df1.groupby('ID')['asset'].unique()# 得到类似于#ID#A    [1, 2, 4] #B          [1]x = a.sizey = max([max(x) for x in a])z = np.zeros((x,y))# 只是用正确的形状和零来初始化最终矩阵

然后你可以使用numpy.put来在正确的位置放置1's，像这样：

for row in range(x):    np.put(z[row],a[row]-1,1)

输出（对于你的示例）：

[[ 1.  1.  1.] [ 1.  0.  0.]]

希望这对你有帮助，如果有任何问题或改进，请留言评论。