数据挖掘 - 在 Python 中为机器学习模型处理每个实例具有多个值的特征 - 吾爱随笔录

我有一个包含儿童医学数据的数据集，我正在开发一个预测机器学习模型来预测不良妊娠结果。该数据集主要包含每个孩子具有单个值的特征，例如性别 = [“男性”，“女性]。但是，我有一些每个孩子有多个值的特征，例如每个孩子多次记录的腹围，像这样：

    ChildID     abdomcirc
0   1           273
1   1           267
2   1           294
3   2           136
4   2           248

因此，在上表中，孩子 1 的 abdomcirc 有 3 个值，孩子 2 的 abdomcirc 有两个值。将此特征添加到剩余数据集（由单个观察特征组成）将导致几乎重复的行，除了 abdomcirc 的不同值，如下所示：

    ChildID     gender  diabetes  birthroute  abdomcirc
0   1           Male    No        Normal      273
1   1           Male    No        Normal      267
2   1           Male    No        Normal      294
3   2           Female  Yes       csection    136
4   2           Female  Yes       csection    248

我不确定处理这些功能的最佳方法是什么，而不合并数据并具有近乎重复的行。我考虑了以下几点：

对 abdomcirc 使用 python 列表类型。但是，我不知道机器学习模型是否可以处理这种数据类型。所以我的数据看起来像这样

      ChildID     gender  diabetes  birthroute  abdomcirc
 0    1           Male    No        Normal      [273, 267, 294]
 1    2           Female  Yes       csection    [136, 248]

通过计算平均值将 abdomcirc 转换为单个观察特征（尽管我不确定这些信息对我的预测模型有多大用处），如下所示：

      ChildID     gender  diabetes  birthroute  abdomcirc
 0    1           Male    No        Normal      278
 1    2           Female  Yes       csection    192

我已经尝试寻找资源来帮助我解决这个问题，但并不是很成功，可能是因为我没有输入正确的关键字或其他东西。所以，我会很感激你的意见和有用的资源。非常感谢！