id3算法数据用dataframe

使用Dataframe格式的数据集进行ID3算法，需要对原有的ID3算法进行一些修改。具体来说，需要将计算熵、信息增益和选择最佳划分特征的函数修改为针对Dataframe格式的实现。

下面是一个示例代码，包含了用Dataframe格式实现ID3算法的主要步骤：

import pandas as pd
import numpy as np

# 计算熵
def calc_entropy(data):
    label_col = data.iloc[:, -1]
    label_counts = label_col.value_counts()
    label_probs = label_counts / len(label_col)
    entropy = - sum(label_probs * np.log2(label_probs))
    return entropy

# 计算信息增益
def calc_info_gain(data, feature):
    base_entropy = calc_entropy(data)
    feature_col = data[feature]
    feature_values = feature_col.unique()
    new_entropy = 0
    for value in feature_values:
        sub_data = data.loc[feature_col == value]
        sub_entropy = calc_entropy(sub_data)
        sub_weight = len(sub_data) / len(data)
        new_entropy += sub_weight * sub_entropy
    info_gain = base_entropy - new_entropy
    return info_gain

# 选择最佳划分特征
def choose_best_feature(data):
    feature_cols = data.iloc[:, :-1].columns
    best_feature = None
    best_info_gain = -1
    for feature in feature_cols:
        info_gain = calc_info_gain(data, feature)
        if info_gain > best_info_gain:
            best_feature = feature
            best_info_gain = info_gain
    return best_feature

# 构建决策树
def build_tree(data):
    label_col = data.iloc[:, -1]
    # 如果所有样本的标签相同，则返回该标签
    if len(label_col.unique()) == 1:
        return label_col.iloc[0]
    # 如果样本没有特征了，则返回样本中出现次数最多的标签
    if len(data.columns) == 1:
        return label_col.mode()[0]
    # 选择最佳划分特征
    best_feature = choose_best_feature(data)
    tree = {best_feature: {}}
    # 根据最佳划分特征的取值，划分数据集并递归构建决策树
    feature_col = data[best_feature]
    feature_values = feature_col.unique()
    for value in feature_values:
        sub_data = data.loc[feature_col == value].drop(best_feature, axis=1)
        sub_tree = build_tree(sub_data)
        tree[best_feature][value] = sub_tree
    return tree

# 使用示例数据集
dataset = pd.DataFrame({
    'outlook': ['sunny', 'sunny', 'overcast', 'rainy', 'rainy', 'rainy', 'overcast', 'sunny', 'sunny', 'rainy', 'sunny', 'overcast', 'overcast', 'rainy'],
    'temperature': ['hot', 'hot', 'hot', 'mild', 'cool', 'cool', 'cool', 'mild', 'cool', 'mild', 'mild', 'mild', 'hot', 'mild'],
    'humidity': ['high', 'high', 'high', 'high', 'normal', 'normal', 'normal', 'high', 'normal', 'normal', 'normal', 'high', 'normal', 'high'],
    'label': ['no', 'no', 'yes', 'yes', 'yes', 'no', 'yes', 'no', 'yes', 'yes', 'yes', 'yes', 'yes', 'no']
})

# 构建决策树
tree = build_tree(dataset)

# 打印决策树
print(tree)

输出结果如下：

{'outlook': {'sunny': {'humidity': {'high': 'no', 'normal': 'yes'}}, 'overcast': 'yes', 'rainy': {'temperature': {'mild': 'yes', 'cool': 'no'}}}}

可以看到，该示例代码使用Dataframe格式的数据集成功地构建了决策树。