如何在Python中对数据帧中的分类变量（系列）进行编码？

我有一本以下形式的词典：

{CA: California, NV: Nevada, TX: Texas}

我想转换我的数据帧

{
 'state':['California', 'California, 'Texas', 'Nevada', 'Texas],
 'var':[100,200,300,400, 500]
}

进入

---

最好的方法是什么？

如果您颠倒了dict中的键和值，则可以使用：

然后调用映射：

df.state = df.state.map(new_map)

这假设您的密钥存在于地图中，如果不存在，您将引发

keyrorm

因此，创建数据帧：

In [12]:

df = pd.DataFrame({
 'state':['California', 'California', 'Texas', 'Nevada', 'Texas'],
 'var':[100,200,300,400, 500]
})

df
Out[12]:
        state  var
0  California  100
1  California  200
2       Texas  300
3      Nevada  400
4       Texas  500

[5 rows x 2 columns]

你的格言：

my_dict = {'CA': 'California', 'NV': 'Nevada', 'TX': 'Texas'}

反转键和值

new_dict = dict(zip(my_dict.values(), my_dict.keys()))

现在调用map执行查找并将其分配回状态：

In [13]:

df.state = df.state.map(new_dict)
df
Out[13]:
  state  var
0    CA  100
1    CA  200
2    TX  300
3    NV  400
4    TX  500

[5 rows x 2 columns]

如果您担心某些值可能不存在，则可以在dict上使用

get

，以便它处理

键错误

，并将

None

指定为值：

使用“纽约”设置新df

In [19]:

df = pd.DataFrame({
 'state':['California', 'California', 'Texas', 'Nevada', 'Texas', 'New York'],
 'var':[100,200,300,400, 500, 600]
})
df
Out[19]:
        state  var
0  California  100
1  California  200
2       Texas  300
3      Nevada  400
4       Texas  500
5    New York  600

[6 rows x 2 columns]

现在调用

get

：

In [25]:

df.state = df.state.map(lambda x: new_dict.get(x))
df
Out[25]:
  state  var
0    CA  100
1    CA  200
2    TX  300
3    NV  400
4    TX  500
5  None  600

[6 rows x 2 columns]

---

我还有一些字典中没有的状态。如果应用map（），则新序列中的相应值将丢失。我是否可以指定我希望对字典中不存在的值应用标识函数，即保持不变？@P.Escondido因此，对于上面的例子，因为纽约不在字典中，您希望它保持不变，因为纽约是正确的吗？您可以创建一个执行映射查找的函数，如果没有键，则不执行任何操作，或者您可以过滤数据帧中要分配给的值，仅过滤dict中存在的值并转换这些值。完全正确！我该怎么做？@P.Escondido我的答案通过使用

get

来解决这个问题。

In [19]:

df = pd.DataFrame({
 'state':['California', 'California', 'Texas', 'Nevada', 'Texas', 'New York'],
 'var':[100,200,300,400, 500, 600]
})
df
Out[19]:
        state  var
0  California  100
1  California  200
2       Texas  300
3      Nevada  400
4       Texas  500
5    New York  600

[6 rows x 2 columns]

In [25]:

df.state = df.state.map(lambda x: new_dict.get(x))
df
Out[25]:
  state  var
0    CA  100
1    CA  200
2    TX  300
3    NV  400
4    TX  500
5  None  600

[6 rows x 2 columns]