def encode_horse_df(self, horse_df, dict_folder):
""" 列をエンコードする処理。騎手名、所属、転厩をラベルエンコーディングして値を置き換える。learning_modeがTrueの場合は辞書生成がされる。
:param dataframe horse_df:
:return: dataframe
"""
temp_horse_df = horse_df.copy()
temp_horse_df = self.choose_upper_n_count(temp_horse_df, "繁殖登録番号1", 50,
dict_folder)
temp_horse_df.loc[:, '繁殖登録番号1'] = mu.label_encoding(
horse_df['繁殖登録番号1'], '騎手名', dict_folder).astype(str)
temp_horse_df = self.choose_upper_n_count(temp_horse_df, "繁殖登録番号3", 50,
dict_folder)
temp_horse_df.loc[:, '繁殖登録番号3'] = mu.label_encoding(
horse_df['繁殖登録番号3'], '調教師名', dict_folder).astype(str)
temp_horse_df = self.choose_upper_n_count(temp_horse_df, "繁殖登録番号5", 50,
dict_folder)
temp_horse_df.loc[:, '繁殖登録番号5'] = mu.label_encoding(
horse_df['繁殖登録番号5'], '調教師名', dict_folder).astype(str)
temp_horse_df = self.choose_upper_n_count(temp_horse_df, "生産者コード", 20,
dict_folder)
temp_horse_df.loc[:, '生産者コード'] = mu.label_encoding(
horse_df['生産者コード'], '調教師名', dict_folder).astype(str)
temp_horse_df = self.choose_upper_n_count(temp_horse_df, "馬主コード", 100,
dict_folder)
temp_horse_df.loc[:,
'馬主コード'] = mu.label_encoding(horse_df['馬主コード'],
'調教師名',
dict_folder).astype(str)
return temp_horse_df.copy()
def encode_raceuma_before_df(self, raceuma_df, dict_folder):
""" 列をエンコードする処理。騎手名、所属、転厩をラベルエンコーディングして値を置き換える。learning_modeがTrueの場合は辞書生成がされる。
:param dataframe raceuma_df:
:return: dataframe
"""
temp_raceuma_df = raceuma_df.copy()
temp_raceuma_df = self.choose_upper_n_count(temp_raceuma_df, "騎手名",
100, dict_folder)
temp_raceuma_df.loc[:,
'騎手名'] = mu.label_encoding(raceuma_df['騎手名'],
'騎手名',
dict_folder).astype(str)
temp_raceuma_df = self.choose_upper_n_count(temp_raceuma_df, "調教師名",
100, dict_folder)
temp_raceuma_df.loc[:, '調教師名'] = mu.label_encoding(
raceuma_df['調教師名'], '調教師名', dict_folder).astype(str)
temp_raceuma_df.loc[:,
'所属'] = mu.label_encoding(raceuma_df['所属'], '所属',
dict_folder).astype(str)
temp_raceuma_df.loc[:,
'転厩'] = mu.label_encoding(raceuma_df['転厩'], '転厩',
dict_folder).astype(str)
temp_raceuma_df.loc[:, '予想展開'] = temp_raceuma_df["予想展開"].astype(str)
return temp_raceuma_df.copy()
def encode_raceuma_df(self, raceuma_df, dict_folder):
""" 列をエンコードする処理。騎手名、所属、転厩をラベルエンコーディングして値を置き換える。learning_modeがTrueの場合は辞書生成がされる。
:param dataframe raceuma_df:
:return: dataframe
"""
#raceuma_df.loc[:, 'ペース予想'] = raceuma_df['ペース予想'].apply(lambda x: self._convert_pace(x))
#raceuma_df.loc[:, '調教曜日'] = raceuma_df['調教曜日'].apply(lambda x: self._convert_weekday(x))
raceuma_df.loc[:, '放牧先ランク'] = raceuma_df['放牧先ランク'].apply(
lambda x: self._convert_rank(x))
raceuma_df.loc[:, '調教量評価'] = raceuma_df['調教量評価'].apply(
lambda x: self._convert_rank(x))
raceuma_df.loc[:, '調教師所属'] = mu.label_encoding(raceuma_df['調教師所属'],
'調教師所属',
dict_folder).astype(str)
raceuma_df.loc[:, '馬主名'] = mu.label_encoding(raceuma_df['馬主名'], '馬主名',
dict_folder).astype(str)
raceuma_df.loc[:, '放牧先'] = mu.label_encoding(raceuma_df['放牧先'], '放牧先',
dict_folder).astype(str)
# raceuma_df.loc[:, '激走タイプ'] = mu.label_encoding(raceuma_df['激走タイプ'], '激走タイプ', dict_folder).astype(str)
raceuma_df.loc[:,
'調教コースコード'] = mu.label_encoding(raceuma_df['調教コースコード'],
'調教コースコード',
dict_folder).astype(str)
# raceuma_df.loc[:, 'LS評価'] = raceuma_df['LS評価'].apply(lambda x: mu.convert_ls_hyouka(x))
#hash_taikei_column = ["走法", "体型０１", "体型０２", "体型０３", "体型０４", "体型０５", "体型０６", "体型０７", "体型０８", "体型０９", "体型１０", "体型１１", "体型１２", "体型１３", "体型１４", "体型１５", "体型１６", "体型１７", "体型１８", "体型総合１", "体型総合２", "体型総合３"]
#hash_taikei_dict_name = "raceuma_before_taikei"
#raceuma_df = mu.hash_eoncoding(raceuma_df, hash_taikei_column, 3, hash_taikei_dict_name, dict_folder)
#hash_tokki_column = ["馬特記１", "馬特記２", "馬特記３"]
#hash_tokki_dict_name = "raceuma_before_tokki"
#raceuma_df = mu.hash_eoncoding(raceuma_df, hash_tokki_column, 2, hash_tokki_dict_name, dict_folder)
return raceuma_df
def encode_horse_df(self, horse_df, dict_folder):
""" 列をエンコードする処理（ラベルエンコーディング、onehotエンコーディング等）"""
horse_df.loc[:, '父馬名'] = mu.label_encoding(horse_df['父馬名'], '父馬名',
dict_folder).astype(str)
horse_df.loc[:, '母父馬名'] = mu.label_encoding(horse_df['母父馬名'], '母父馬名',
dict_folder).astype(str)
horse_df.loc[:, '生産者名'] = mu.label_encoding(horse_df['生産者名'], '生産者名',
dict_folder).astype(str)
horse_df.loc[:, '産地名'] = mu.label_encoding(horse_df['産地名'], '産地名',
dict_folder).astype(str)
return horse_df
def encode_horse_df(self, horse_df, dict_folder):
""" 列をエンコードする処理。調教師所属、所属、転厩をラベルエンコーディングして値を置き換える。辞書がない場合は作成される
騎手名とかはコードがあるからそちらを使う（作成しない）
:param dataframe raceuma_df:
:return: dataframe
"""
temp_horse_df = horse_df.copy()
temp_horse_df.loc[:,
'父馬名'] = mu.label_encoding(horse_df['父馬名'], '父馬名',
dict_folder).astype(str)
temp_horse_df.loc[:,
'母父馬名'] = mu.label_encoding(horse_df['母父馬名'], '母父馬名',
dict_folder).astype(str)
return temp_horse_df.copy()
def encode_raceuma_before_df(self, raceuma_df, dict_folder):
""" 列をエンコードする処理。調教師所属、所属、転厩をラベルエンコーディングして値を置き換える。辞書がない場合は作成される
騎手名とかはコードがあるからそちらを使う（作成しない）
:param dataframe raceuma_df:
:return: dataframe
"""
temp_raceuma_df = raceuma_df.copy()
temp_raceuma_df.loc[:, 'ペース予想'] = temp_raceuma_df['ペース予想'].apply(
lambda x: self._convert_pace(x))
temp_raceuma_df.loc[:, '調教曜日'] = temp_raceuma_df['調教曜日'].apply(
lambda x: self._convert_weekday(x))
temp_raceuma_df.loc[:, '放牧先ランク'] = temp_raceuma_df['放牧先ランク'].apply(
lambda x: self._convert_rank(x))
temp_raceuma_df.loc[:, '調教量評価'] = temp_raceuma_df['調教量評価'].apply(
lambda x: self._convert_rank(x))
temp_raceuma_df.loc[:, '調教師所属'] = mu.label_encoding(
raceuma_df['調教師所属'], '調教師所属', dict_folder).astype(str)
temp_raceuma_df.loc[:,
'馬主名'] = mu.label_encoding(raceuma_df['馬主名'],
'馬主名',
dict_folder).astype(str)
temp_raceuma_df.loc[:,
'放牧先'] = mu.label_encoding(raceuma_df['放牧先'],
'放牧先',
dict_folder).astype(str)
temp_raceuma_df.loc[:, '激走タイプ'] = mu.label_encoding(
raceuma_df['激走タイプ'], '激走タイプ', dict_folder).astype(str)
temp_raceuma_df.loc[:, '調教コースコード'] = mu.label_encoding(
raceuma_df['調教コースコード'], '調教コースコード', dict_folder).astype(str)
hash_taikei_column = [
"走法", "体型０１", "体型０２", "体型０３", "体型０４", "体型０５", "体型０６", "体型０７",
"体型０８", "体型０９", "体型１０", "体型１１", "体型１２", "体型１３", "体型１４", "体型１５",
"体型１６", "体型１７", "体型１８", "体型総合１", "体型総合２", "体型総合３"
]
hash_taikei_dict_name = "raceuma_before_taikei"
temp_raceuma_df = mu.hash_eoncoding(temp_raceuma_df,
hash_taikei_column, 3,
hash_taikei_dict_name, dict_folder)
hash_tokki_column = ["馬特記１", "馬特記２", "馬特記３"]
hash_tokki_dict_name = "raceuma_before_tokki"
temp_raceuma_df = mu.hash_eoncoding(temp_raceuma_df, hash_tokki_column,
2, hash_tokki_dict_name,
dict_folder)
return temp_raceuma_df.copy()
def get_label_encoding_race_df(self, base_df, index_list):
categorical_feats = base_df.dtypes[base_df.dtypes ==
"object"].index.tolist()
for val in index_list:
if val in categorical_feats:
categorical_feats.remove(val)
for categ in categorical_feats:
base_df.loc[:, categ] = mu.label_encoding(
base_df[categ], "rc_" + categ, self.dict_folder).astype(str)
return base_df
def encode_raceuma_result_df(self, raceuma_df, dict_folder):
""" 列をエンコードする処理。騎手名をラベルエンコーディングして値を置き換える。
:param dataframe raceuma_df:
:return: dataframe
"""
temp_raceuma_df = raceuma_df.copy()
temp_raceuma_df = self.choose_upper_n_count(temp_raceuma_df, "騎手名", 150, dict_folder)
temp_raceuma_df.loc[:, '騎手名'] = mu.label_encoding(raceuma_df['騎手名'], '騎手名', dict_folder).astype(str)
return temp_raceuma_df.copy()
def encode_raceuma_result_df(self, raceuma_df, dict_folder):
""" 列をエンコードする処理。騎手名、所属、転厩をラベルエンコーディングして値を置き換える。learning_modeがTrueの場合は辞書生成がされる。
:param dataframe raceuma_df:
:return: dataframe
"""
print("-- check! this is BaseTransform class: " +
sys._getframe().f_code.co_name)
temp_raceuma_df = raceuma_df.copy()
temp_raceuma_df.loc[:,
'騎手名'] = mu.label_encoding(raceuma_df['騎手名'],
'騎手名',
dict_folder).astype(str)
temp_raceuma_df.loc[:,
'所属'] = mu.label_encoding(raceuma_df['所属'], '所属',
dict_folder).astype(str)
temp_raceuma_df.loc[:,
'転厩'] = mu.label_encoding(raceuma_df['転厩'], '転厩',
dict_folder).astype(str)
return temp_raceuma_df.copy()
def encode_raceuma_result_df(self, raceuma_df, dict_folder):
""" 列をエンコードする処理。騎手名、所属、転厩をラベルエンコーディングして値を置き換える。learning_modeがTrueの場合は辞書生成がされる。
:param dataframe raceuma_df:
:return: dataframe
"""
temp_raceuma_df = raceuma_df.copy()
temp_raceuma_df = self.choose_upper_n_count(temp_raceuma_df, "騎手名",
100, dict_folder)
temp_raceuma_df.loc[:,
'騎手名'] = mu.label_encoding(raceuma_df['騎手名'],
'騎手名',
dict_folder).astype(str)
temp_raceuma_df.loc[:, '展開脚質'] = raceuma_df['展開コード'].astype(
str).str[:1].astype(int)
temp_raceuma_df.loc[:, '展開脚色'] = raceuma_df['展開コード'].astype(
str).str[-1:].astype(int)
return_df = temp_raceuma_df.drop('展開コード', axis=1)
return return_df
def get_label_encoding_df(self, base_df):
categorical_feats = base_df.dtypes[base_df.dtypes == "object"].index.tolist()
for categ in categorical_feats:
base_df.loc[:, categ] = mu.label_encoding(base_df[categ], categ, self.dict_folder).astype(str)
return base_df
