python代码将特征转化为数值类型

以下是一个示例代码，演示如何使用 pandas 库将特征转化为数值类型：

import pandas as pd

# 读取数据
data = pd.read_csv("data.csv")

# 处理缺失值
data = data.fillna(0)  # 将缺失值填充为 0

# 处理分类变量
data = pd.get_dummies(data, columns=["category"])  # 将 category 列转化为数值类型

# 处理连续变量
data["value"] = (data["value"] - data["value"].mean()) / data["value"].std()  # 对 value 列进行标准化

# 将特征和标签分离
X = data.iloc[:, :-1]  # 特征是除了最后一列以外的所有列
y = data.iloc[:, -1]  # 标签是最后一列

以上代码中，假设数据集的文件名为 `data.csv`，其中包含了一个分类变量 `category` 和一个连续变量 `value`。代码首先使用 `read_csv()` 函数读取数据，然后使用 `fillna()` 函数将缺失值填充为 0。接着，使用 `get_dummies()` 函数将 `category` 列转化为数值类型。最后，对 `value` 列进行标准化，并使用 `iloc()` 函数将特征和标签分离出来。