معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

This Library converts categorical data of any kind {integer, float, strings} into discrete values{1,2,3... # Classes}.

ویژگی	مقدار
سیستم عامل	-
نام فایل	categorical-encode-0.2
نام	categorical-encode
نسخه کتابخانه	0.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Nikhil Kala
ایمیل نویسنده	nikhilkala8@gmail.com
آدرس صفحه اصلی	https://github.com/nikhilkala/Categorical-Encode
آدرس اینترنتی	https://pypi.org/project/categorical-encode/
مجوز	MIT

This package can be used to convert dataset into numerical categorical data. This can be utilized for the pre-processing of various kinds of data for many Machine Learning Models. There are various features available such as normalizing the data to make the data more useful for the model. This function will work on any kind of data in the DataFrame. **IMPORT:** **from categorical_encode.categorical import categorical** **The Parameters:-** - **dataframe**: The Input DataFrame(X) which you want to categorically encode. - **normalize**: This parameter determines if it will be between 0-1(1 included) or 1 to no. of classes (1 - no. of classes). default:False - **drop_columns**: This specifies the dataframe columns that need to be dropped as they are useless. default: No Columns - **drop_na**: This drops empty values (NaN) if is set to True. default: False - **target_columns**: This creates the target DataFrame(Y) without applying any Encoding. default: No Columns **Return** This Returns Two DataFrame (X,Y) if target_columns are provided Else only the Input dataframe (X) which is encoded. **Example:** **from categorical_encode.categorical import categorical** **df = categorical(dataframe = df, normalize= True)** This returns df as categorically encoded column-wise for all the columns having values between 0-1(1 included).

نحوه نصب

نصب پکیج whl categorical-encode-0.2:

pip install categorical-encode-0.2.whl

نصب پکیج tar.gz categorical-encode-0.2:

pip install categorical-encode-0.2.tar.gz