熊猫: 将类别转换为数字

假设我有一个国家的数据框架，它是这样的:

cc | temp
US | 37.0
CA | 12.0
US | 35.0
AU | 20.0

我知道有一个 pd.get _ Dummies 函数可以将这些国家转换为“ one-hot 编码”。但是，我希望将它们转换为索引，这样我将得到 cc_index = [1,2,1,3]代替。

我假设有一种比使用 get _ Dummies 和 numpy where 子句更快的方法，如下所示:

[np.where(x) for x in df.cc.get_dummies().values]

This is somewhat easier to do in R using 'factors' so I'm hoping pandas has something similar.

166179 次浏览
小开
最佳答案

首先，更改列的类型:

df.cc = pd.Categorical(df.cc)

现在这些数据看起来很相似，但是是分类存储的:

df['code'] = df.cc.cat.codes

现在你有了:

   cc  temp  code
0  US  37.0     2
1  CA  12.0     1
2  US  35.0     2
3  AU  20.0     0

If you don't want to modify your DataFrame but simply get the codes:

df.cc.astype('category').cat.codes

或者使用分类列作为索引:

df2 = pd.DataFrame(df.temp)
df2.index = pd.CategoricalIndex(df.cc)
小开

如果只希望将序列转换为整数标识符，则可以使用 pd.factorize。

注意，与 pd.Categorical不同，此解决方案不按字母顺序排序。因此，第一个国家将被分配 0。如果希望从 1开始，可以添加一个常量:

df['code'] = pd.factorize(df['cc'])[0] + 1


print(df)


cc  temp  code
0  US  37.0     1
1  CA  12.0     2
2  US  35.0     1
3  AU  20.0     3

If you wish to sort alphabetically, specify sort=True:

df['code'] = pd.factorize(df['cc'], sort=True)[0] + 1
小开

If you are using the sklearn library you can use LabelEncoder. Like pd.Categorical, input strings are sorted alphabetically before encoding.

from sklearn.preprocessing import LabelEncoder


LE = LabelEncoder()
df['code'] = LE.fit_transform(df['cc'])


print(df)


cc  temp  code
0  US  37.0     2
1  CA  12.0     1
2  US  35.0     2
3  AU  20.0     0
小开

将任何列更改为 Numbers。它不会创建新列，只是用数字数据替换值。

Def 字符(* args) : 对于 args 中的 arg: Df [ arg ] = pd. 分类(df [ arg ]) Df [ arg ] = df [ arg ] . cat.code 返回 df

小开

试试这个，根据频率转换为数字(高频-高频) :

labels = df[col].value_counts(ascending=True).index.tolist()
codes = range(1,len(labels)+1)
df[col].replace(labels,codes,inplace=True)
小开

一行代码:

df[['cc']] = df[['cc']].apply(lambda col:pd.Categorical(col).codes)

如果你有一个 list_of_columns:

df[list_of_columns] = df[list_of_columns].apply(lambda col:pd.Categorical(col).codes)

此外，如果你想保留你的 NaN值，你可以应用一个替换:

df[['cc']] = df[['cc']].apply(lambda col:pd.Categorical(col).codes).replace(-1,np.nan)

提交答案