时间戳

首页 > 解决方案 > 无法将性别数据更改为二进制值

python - 无法将性别数据更改为二进制值

问题描述

我正在参加泰坦尼克号比赛。到目前为止，这是我的代码：

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

train = pd.read_csv("https://raw.githubusercontent.com/oo92/Titanic-Kaggle/master/train.csv")
test = pd.read_csv("https://raw.githubusercontent.com/oo92/Titanic-Kaggle/master/test.csv")

train['Sex'].replace(['female', 'male'], [0, 1])
train['Embarked'].replace(['C', 'Q', 'S'], [1, 2, 3])

# Fill missing values in Age feature with each sex’s median value of Age
train['Age'].fillna(train.groupby('Sex')['Age'].transform("median"), inplace=True)

linReg = LinearRegression()

data = train[['Pclass', 'Sex', 'Parch', 'Fare', 'Age']]

# implement train_test_split
x_train, x_test, y_train, y_test = train_test_split(data, train['Survived'], test_size=0.2, random_state=0)

# Training the machine learning algorithm
linReg.fit(x_train, y_train)

# Checking the accuracy score of the model
accuracy = linReg.score(x_test, y_test)
print(accuracy*100, '%')

这条线以前看起来像这样：data = train[['Pclass', 'Parch', 'Fare', 'Age']]，最终给了我 19.5% 的准确率。我意识到我没有包括性，所以我继续这样做：

data = train[['Pclass', 'Sex', 'Parch', 'Fare', 'Age']]

然后，我收到以下错误：

ValueError: could not convert string to float: 'female'

在这里我意识到我对我所做的更改train['Sex']并train['Age']没有反映模型的训练和测试，这似乎是我的模型表现在 19.5% 的原因。我怎么会遇到这个问题？

更新

在第一个答案之后，我尝试相应地修改这一行：

train['Age'].fillna(train.groupby('Sex')['Age'].transform("median"), inplace=True)

和 ：

train['Age'] = train['Age'].fillna(train.groupby('Sex')['Age'].transform("median"), inplace=True)

然后我决定打印该Age列，结果发现这些值已损坏：

0      None
1      None
2      None
3      None
4      None
5      None
6      None
7      None
8      None
9      None
10     None
11     None
12     None
13     None
14     None
15     None
16     None
17     None
18     None
19     None
20     None
21     None
22     None
23     None
24     None
25     None
26     None
27     None
28     None
29     None
       ... 
861    None
862    None
863    None
864    None
865    None
866    None
867    None
868    None
869    None
870    None
871    None
872    None
873    None
874    None
875    None
876    None
877    None
878    None
879    None
880    None
881    None
882    None
883    None
884    None
885    None
886    None
887    None
888    None
889    None
890    None
Name: Age, Length: 891, dtype: object

标签： pythonmachine-learningscikit-learnlinear-regressionkaggle

解决方案

那是因为您没有使用该行保存对数据框的修改：

train['Sex'].replace(['female', 'male'], [0, 1])

尝试用这个替换它：

train['sex'] = train['Sex'].replace(['female', 'male'], [0, 1])

对train['Embarked'].

更新

您不需要这样做train['Age']，fillna 已经使用inplace=true.

推荐阅读