最近做一個預測關於投資者是否再次投資的項目，需要針對客戶導出的數據進行清洗後建模分析，我目前選擇的模型是xgboost，貌似數據必須全是numeric。
數據結構如下：
在這個裏面，我們需要做的是將第一列裏面的‘是’替換爲1，第四列、第七列、第八列的字符也替換爲數字。
具體需求如下：
平臺標籤替換：0、NA；1、PC；2、WAP；3、IOS；4、andriod；
產品標籤替換：0、NA；1、新手專享；2、直投散標；3、定期寶；4、雙手計劃；5、新手標。
首先我們讀取數據，代碼如下：
hnjb<-read.csv('F:/Rdata/hnjb/投資用戶基礎信息表3.csv',na.string='NA',header=T)
然後我們將數據轉爲字符型，方便替換
hnjb[] <- lapply(hnjb, as.character)
準備完畢，開始替換
hnjb[is.na(hnjb)]<-0
hnjb[hnjb=='是']<-1
hnjb[hnjb=='pc']<-1
hnjb[hnjb=="wap"]<-2
hnjb[hnjb=='ios']<- 3
hnjb[hnjb=='android']<- 4
hnjb[hnjb=='新手專享']<-1
hnjb[hnjb=='直投散標']<-2
hnjb[hnjb=='定期寶']<-3
hnjb[hnjb=='雙收計劃']<-4
hnjb[hnjb=='新手標']<-5
結果如下：
好了，字符替換大功告成！
後續我們將這些字符轉碼爲numeric就可以導入xgboost進行建模分析了，不過時間變量轉爲字符串之後，再轉爲numeric就變成NA了，下一篇文章我來告訴大傢俱體解決方法。
