构建评分预测分类器时，如何将两列作为自变量纳入分析

一、先搞定基础数据类型转换 #

你的示例里pricerange、ratingvalue都是字符串格式，pricecurrency还混了数字和字符串，先统一转成模型能处理的规范类型：

import pandas as pd

df = pd.DataFrame({
     'ratingvalue': ['5.0', '4.5', '2.0'],
     'pricerange': ['10000000', '899', '200'],
    'pricecurrency': ['45', '15',  '20']
})

# 转换数据类型
df['ratingvalue'] = df['ratingvalue'].astype(float)
df['pricerange'] = df['pricerange'].astype(int)
df['pricecurrency'] = df['pricecurrency'].astype(str)  # 统一为字符串，避免混合类型问题

二、最优方案：把价格转成统一货币金额 #

不同货币的购买力天差地别，最合理的做法是将所有pricerange转换成同一种基准货币（比如USD）的实际价值，这样模型能直接用这个统一数值作为核心特征。

你需要先准备货币代码到汇率的映射（比如你说的45对应EUR、15对应USD，自己补充完整的汇率表）：

# 示例：以USD为基准的汇率映射（1单位对应货币 = X USD）
currency_exchange = {
    '15': 1.0,    # USD本身
    '45': 1.09,   # EUR，假设1 EUR兑换1.09 USD
    '20': 0.0074  # 比如JPY，1 JPY兑换0.0074 USD
}

# 计算统一货币后的价格
df['normalized_price'] = df.apply(
    lambda row: row['pricerange'] / currency_exchange[row['pricecurrency']],
    axis=1
)

生成的normalized_price已经融合了原始价格和货币的影响，可以直接作为模型的自变量。

三、没有汇率数据时的替代方法 #

如果拿不到准确汇率，试试这两种方式：

1. 做交互特征 #

先把pricerange归一化（避免数值差距太大），再和货币编码相乘生成交互特征，同时保留货币本身的类别特征：

from sklearn.preprocessing import MinMaxScaler

# 归一化pricerange到0-1区间
scaler = MinMaxScaler()
df['pricerange_scaled'] = scaler.fit_transform(df[['pricerange']])

# 货币转成数值编码，生成交互特征
df['currency_code'] = df['pricecurrency'].astype(int)
df['price_currency_interact'] = df['pricerange_scaled'] * df['currency_code']

之后可以把price_currency_interact和pricecurrency（作为类别）一起喂给模型。

2. 按货币分组做价格分箱 #

把同一货币下的价格分成低、中、高几个区间，生成类别特征：

# 按货币分组，对价格做三分位分箱
df['price_bucket'] = df.groupby('pricecurrency')['pricerange'].transform(
    lambda x: pd.qcut(x, q=3, labels=['low', 'medium', 'high'])
)

这个price_bucket能体现同货币下的价格档位，再搭配pricecurrency一起编码后输入模型。

四、最后整理成模型可用的特征 #

• 数值特征（比如normalized_price）直接用就行
• 类别特征（比如pricecurrency、price_bucket）需要做编码，比如独热编码（适合线性模型）或者直接留原编码（适合树模型）

示例独热编码处理：

# 对类别特征做独热编码，drop_first避免多重共线性
encoded_cats = pd.get_dummies(df[['pricecurrency', 'price_bucket']], drop_first=True)

# 合并所有特征
final_features = pd.concat([df[['normalized_price']], encoded_cats], axis=1)

之后就用final_features当自变量，ratingvalue（如果是分类任务要先转成类别，比如高/中/低评分）当因变量训练分类器就行。

内容的提问来源于stack exchange，提问作者YC Tseng