假设我有一个这样的数据框：
Hospital_name State Employees ......
Fortis Delhi 5000 ......
AIIMS Delhi 1000000 ......
SuperSpeciality Chennai 1000 ......
现在我想用这个数据框来构建一个机器学习模型来进行预测分析。为此，我必须将字符串转换为浮点值。此外，Hospital_name 和 State 中的某些列包含“NAN”值。在这种情况下，我应该如何准备我的数据以在 Keras 中构建模型？
要在 pandas 中从字符串转换为浮点数（假设您要转换员工并使用 df 加载数据框），您可以使用：
df['Employees'].apply(lambda x:float(x))
您没有提供有关您的输入和预期输出的足够信息。因此，让我们假设作为模型输入的医院名称或任何相关内容是nan. 您想将其从数据集中删除，因为从 ' nan' 中提取特征没有意义。除此之外，如果它们只是其他外围功能，那可能没问题。在这种情况下，如果您希望将它们转换为空白，请使用：
df.replace(np.nan,' ', regex=True)`
否则，如果您想删除该框架，您可以使用this检查 nan 。
处理类型的最佳方法是在摄取文件时指定它：
pandas.read_csv(file_name, dtype={"Employees": float})
如何处理 Keras 中的缺失数据取决于您自己。您可以进一步详细说明，因为它实际上取决于您的计划。
我不明白你为什么要将字符串映射到浮点数。我建议使用一种热编码将字符串分类为布尔值 1 或 0。
在熊猫中，这将是：
import pandas as pd
s = pd.Series(list('abca'))
pd.get_dummies(s)
a b c
0 1 0 0
1 0 1 0
2 0 0 1
3 1 0 0
您还可以添加pd.get_dummies(l, dummy_na=True)处理 NaN 值。
一种更直接的转换Employees方式float。
df.Employees = df.Employees.astype(float)
您没有指定要对 NaN 做什么，但可以使用以下方法将它们替换为不同的值（int 或 string）：
df = df.fillna(value_to_fill)
如果要删除其中的行，请NaN使用：
df = df.dropna()