Если у вас есть числовые и категориальные данные обоих типов в фрейме данных, вы можете использовать: здесь X - это мой файловый фрейм, имеющий категориальные и числовые обе переменные
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
for i in range(0,X.shape[1]):
if X.dtypes[i]=='object':
X[X.columns[i]] = le.fit_transform(X[X.columns[i]])
Или вы можете попробовать следующее:
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
data = data.apply(le.fit_transform)
Примечание: этот метод хорош, если вы не заинтересованы в его преобразовании.
Индексная функция, вероятно, могла бы быть устранена кем-то, кто лучше знает XPath, но тем не менее приведенное ниже, похоже, работает надежно. Следующее будет вставлено в B2 вашего образца:
=index(IMPORTXML("http://www.google.com/search?&q="&"Address+of+"&A2&"+in+british+columbia"&"&oq="&"Address+of+"&A2&"+in+british+columbia","//span"), 15, 1)
Это основано на предположении, что все объекты расположены в Британской Колумбии. Вы можете параметризовать раздел поиска Google, чтобы добавить более широкий спектр возможных мест поиска.