今天做机器学习实验，我们查看数据类型把类别换成我们需要的合适的类别，为后边的处理做准备。把类别category类型转换成dummy/indicator变量。

首先介绍get_dummies():

pandas. get_dummies ( data , prefix=None , prefix_sep='_' , dummy_na=False , columns=None , sparse=False , drop_first=False )：把类别category类型转换成dummy/indicator变量。

columns : list-like, default None

Column names in the DataFrame to be encoded. If columns is None then all the columns with object or category dtype will be converted.

参数列将会被编码。如果没有给出，那么所有为object或category类型的列将会被转换。

然后介绍astype()：

DataFrame. astype ( dtype , copy=True , errors='raise' , **kwargs ):转换为一个明确的类型

df.dtypes
Serial No.             int64
GRE Score              int64
TOEFL Score            int64
University Rating     object
SOP                  float64
LOR                  float64
CGPA                 float64
Research               int64
Admit                 object
dtype: object
 
df['University Rating'] = df['University Rating'].astype('object')
df.dtypes
 
Serial No.             int64
GRE Score              int64
TOEFL Score            int64
University Rating     object
SOP                  float64
LOR                  float64
CGPA                 float64
Research               int64
Admit                 object
dtype: object
 
                    今天做机器学习实验，我们查看数据类型把类别换成我们需要的合适的类别，为后边的处理做准备。把类别category类型转换成dummy/indicator变量。首先介绍get_dummies():pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None,sparse=False, dro...
				
         在处理数据时，可能会遇到数据类型不一致的问题。例如，通过爬虫采集到的数据都是整型的数据，在使用数据时希望保留两位小数点，这时就需要将数据的类型转换成浮点型。针对这种问题，既可以创建Pandas对象时明确指定数据的类型，也可以使用astype()方法和to_numeric()函数进行转换，具体如下。
一、通过astype()方法强制转换数据的类型
				
当我们做数据分析时，确保自己使用的是正确的数据类型，这一点很重要。而在pandas中，一般情况下会根据我们导入的数据，自动分配最合适的数据类型。
但是有时候pandas也会犯错，这时候我们就需要diy自定义数据类型。本文主要将pandas的dtype，如何进行数据类型的操作。
pands数据类型
数据类型是编程语言的基础性概念，ta会告诉电脑如何存储数据、如何操作数据。
例如，当我们给程序两个数字，进行5+10操作时, 程序要能理解这是两个整数，且知道整数是可以进行加法操作。
而当有两个字符...
				
先看一个非常简单的例子：
a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
df = pd.DataFrame(a)
有什么方法可以将列转换为适当的类型？例如，上面的例子，如何将列2和3转为浮点数？有没有办法将数据转换为DataFrame格式时指定类型？或者是创建DataFrame，然后通过某种方法更改每列的类型？
在使用pandas库进行数据分析时，有时候会需要将object类型转换成数值类型(float,int)，那么如何做呢？
主要有以下三种方法：创建时指定类型，df.astype强制类型转换，以及使用pd.to_numeric() 转换成适当数值类型。
一，创建时指定类型
				
您可以使用 pandas 中的 astype() 方法来转换 DataFrame 中的部分数据类型。例如，如果您想将某一列的数据类型从字符串转换为整数，可以使用以下代码：
df['column_name'] = df['column_name'].astype(int)
如果您想将某一列的数据类型从整数转换为浮点数，可以使用以下代码：
df['column_name'] = df['column_name'].astype(float)
当然，您也可以一次性转换多列的数据类型，只需要在 astype() 方法中传入一个字典，指定每一列需要转换的数据类型即可。例如：
df = df.astype({'column1': int, 'column2': float, 'column3': str})
希望这个回答能够帮助您！
				python 读取数据出现UnicodeDecodeError：: 'utf-8' codec can't decode byte 0xc8 in position 0: invalid contin
					312787
                python 读取数据出现UnicodeDecodeError：: 'utf-8' codec can't decode byte 0xc8 in position 0: invalid contin
                    gigiforever: 
                    太牛逼 虽然看了三遍 还是懵懵懂懂 但是真心涨见识 谢谢大神
                神经网络优化：病态矩阵与条件数
                    不是，扰动系数矩阵A或b都能引起x较大变化的都是病态，请参考百科介绍
                神经网络优化：病态矩阵与条件数
                    qq_34681645: 
                    病态问题指的是扰动b，方程的解x会发生较大的变化，并不是去扰动矩阵A。。。。。。