Pandas 如何转换数值'；物种'；Iris数据集中的分类

我正在使用

sklearn

中的Iris数据集。以下是我目前的代码：

iris = datasets.load_iris()

data = pd.DataFrame(iris['data'])
target = pd.DataFrame(iris['target'])

frames = [data,target]
iris = pd.concat(frames,axis=1)

iris.columns = ['sepal_length','sepal_width','petal_length','petal_width','species']

def convert_target(data):
    if data == 0:
        return 'setosa'
    elif data == 1:
        return 'versicolor'
    else:
        return 'virginica'
iris['species'] = iris['species'].apply(convert_target)

---

观察我如何使用

convert\u target

函数将物种从数值转换为分类值。我的问题是，有没有更好更有效的方法来做到这一点？

你可以做

map

：

d = {0: 'setosa', 1: 'versicolor', 2: 'virginica'}
iris['species'] = iris['species'].map(d)

您还可以使用numpy索引：

cat_names = np.array(['setosa', 'versicolor', 'virginica'])
iris['species'] = cat_names[iris['species']]

---

您可以使用字典使用

replace

，而不是

map

：

iris['species']=iris['species']。替换（{0:'setosa'，1:'versicolor'，2:'virginica'}）
艾里斯·萨梅尔（5）
萼片长萼片宽花瓣长花瓣宽种
3.4.6 3.1 1.5 0.2刚毛
73 6.1 2.8 4.7 1.2彩色
138 6.0 3.0 4.8 1.8弗吉尼亚州
6.4.6 3.4 1.4 0.3刚毛
140 6.7 3.1 5.6 2.4弗吉尼亚州

您能解释一下

map

和

replace

之间的区别吗？这两个键在效率方面是否有任何差异？

map

通常更快，但将不存在的键（例如本例中的

3,4

）转换为

NaN

，而

replace

保持不变。