您可以轻松地在 Pandas 中使用get_dummy 函数将它们转换为数值向量。

这个想法是分类变量没有数值直觉，例如当涉及到距离的定义时。但试想一下，您有一个具有喜剧、浪漫和犯罪3 个值的特征类型。然后，您可以通过说Comedy = (1,0,0)、Crime = (0,1,0)和Romance = (0,0,1)在 3 维空间中对它们进行建模。它将 1 个功能替换为三个，但直观上效果很好。

更新

我只是在编辑后才理解你的问题！之前有点模糊。但是我保留了最初的答案并添加了更新。

在这种情况下，使用特征流派的值（该列中所有流派集合的唯一值）作为新特征，否则用 1 和 0 确定它们的存在。应该管用。

Movie_ID    Action  Thriller  Drama  Romance  Comedy

1             1       1         1       0       0
2             0       0         0       1       1
3             1       0         0       1       0

K-means 对此类数据的效果非常糟糕，因为该方法旨在处理连续值，其中需要优化平方误差。

与其试图找到与您的“钉子”相匹配的锤子，您首先需要了解您的“钉子”，因为它可能是一个螺丝钉！那么你的目标是什么，答案结果是什么，什么时候结果好？只有这样你才能找到优化这个问题的算法。如果您只是尝试随机算法，将您的数据强制转换为不保留相关属性的不自然形式，这是浪费时间。他们实际上将解决一个不同的问题。