小编Opt*_*esh的帖子

我想了解如何使用分类数据为特征sklearn.linear_model的LogisticRegression.

我理解当然我需要编码它.

1. 我不明白的是如何将编码特征传递给Logistic回归,以便将其作为分类特征处理,而不是解释编码作为标准可量化特征时获得的int值.

2. (不太重要)有人可以解释两者的区别preprocessing.LabelEncoder(),DictVectorizer.vocabulary或者只是一个简单的字典编码自己分类数据？Alex A.的评论涉及这个主题,但不是很深刻.

尤其是第一个!

我有一个数据框，我最终要使用 to_excel 方法写入 excel。其中一列代表货币金额。目前它是浮动的，我要完成的是将其写为货币。 但是，重要的是 excel 将列中的数据作为货币而不是字符串读取（例如，您可以对列执行计算）。

无论我尝试什么，excel 都会将该列作为字符串读取。这是我尝试过的：

df['Monetary_Field'] = df['Monetary_Field'].map(lambda x: '$%2.0f' % x)
df['Monetary_Field'] = df['Monetary_Field'].map(lambda x: '${:20,.0f}'.format(x))
df['Monetary_Field'] = df['Monetary_Field'].map('${:,.2f}'.format)

（当然，分别尝试这些，而不是一个接一个）。

你能帮忙吗？谢谢！:)