在進行資料專案時，模型是基於數學設計的，有些資料型態不適合模型存取，為了提高數據的可用性和模型的處理，本文將以案例說明如何進行資料型態轉換，內容包含：

1. 介紹資料型態
2. 型態轉換：標籤編碼法（Label Encoding）、獨熱編碼法（One-Hot Encoding）

■ 簡介｜資料型態

資料的類型可分為「字串」、「數字」、「布林值」三種。

■ 方法｜型態轉換

在資料的三種型態中，模型無法辨識字串，必須先轉換成數值才能使用，有以下兩種方法：

1. 標籤編碼法（Label Encoding）
　　使用 sklearn 中的函數 LabelEncoder 操作，自動將字串轉換成對應的數字，會改變原先的數據，適用於「有序類別字串」，轉換後以數值大小維持資料順序。

(1) 舉例：將青年、壯年、老年的資料，分別轉換成數值型態

(2) 程式碼

import pandas as pd
data = {'name':['Alan','Chris','Dora','Elas','Ida'],
        'gender':['M','M','F','F','M'],
        'age':['老年','青年','青年','壯年','壯年']}
df = pd.DataFrame(data)

# 從sklearn中導入Label Encoding
from sklearn.preprocessing import LabelEncoder
label_encoder = LabelEncoder()

# 新增age_labelencoded欄位呈現轉換後的結果
df['age_labelencoded'] = label_encoder.fit_transform(df['age'])

# 直接覆蓋age欄位呈現轉換後的結果
df['age'] = label_encoder.fit_transform(df['age'])
print(df)

(3) 輸出結果：

2. 獨熱編碼法（One-Hot Encoding）
使用 Pandas 提供的 get_dummies(data, columns, dtype = bool 或 int) 語法，將字串轉為數值，並使用二進制向量，用 0 或 1 表示，不會改變原先的數據，適用於「無序類別字串」。

• 參數 columns 指定要轉換的欄位，預設為全部欄位
• 參數 dtype 決定呈現方式，預設為bool

(1) 舉例：將 gender 的性別以 0 或 1 的數值表示

(2) 程式碼：

import pandas as pd
data = {'name':['Alan','Chris','Dora','Elas','Ida'],
        'gender':['M','M','F','F','M'],
        'age':['老年','青年','青年','壯年','壯年']}
df = pd.DataFrame(data)
# 不改變df，存在變數onehotencoded  
onehotencoded = pd.get_dummies(df, columns=['gender'],dtype=int)
print(onehotencoded)

(3) 輸出結果：

■ 結語

在資料型態不一致時，採取適當的資料型態轉換方法，可以協助增加特徵或提高模型的性能！如果有任何不理解、錯誤或其他方法想分享的話，歡迎留言給我！喜歡的話，也歡迎按讚訂閱唷！

我是 Eva，一位正在努力跨進資料科學領域的女子！我們下一篇文章見！Bye Bye~
【本篇文章將同步更新於個人的 Medium，期待與您的相遇！】