Python 我可以自定义类别代码吗？

我在玩弄一些分类数据，叫做“评级”。我的数据如下（在数据框中）：

我有大约25个类别。现在，我试图得到一个与这个评级字段相关的对应字段。我想看看这个：

30
29
28
27
26
25
24
23

。。。 最后减到1。到目前为止，我已经测试了这段代码

modDF['Rating'] = modDF['Rating'].astype('category')
modDF['RatingCode'] = modDF['Rating'].cat.codes

---

这给了我类别，但不是根据我想要使用的逻辑。它看起来几乎像是在工作，但顺序相反，但是带有“+”字符的收视率看起来很奇怪。是否有某种方法可以根据某种vlookup或类似的东西来分配类别代码？谢谢。

如果您知道评级将遵循某种模式（即XXX、XX、XX、X+），您可以执行以下操作：

import pandas as pd
import itertools
import string

# df with dummy data
df = pd.DataFrame(['AAA', 'AA', 'A', 'A+', 'BBB', 'BB', 'B', 'B+'], columns=['Ratings'])

# collect ratings and assign a decreasing value to them
ratings = [[letter*3, letter*2, letter, letter+'+'] for letter in string.ascii_uppercase]  # create all possible ratings in order
ratings = list(itertools.chain.from_iterable(ratings))  # flatten list
ratings_code = dict(zip(ratings, reversed(range(len(ratings)))))

# map rating code to original rating
df['RatingCode'] = df.Ratings.map(ratings_code)

---

根据您对

评级代码范围的期望，您需要调整
反向（范围（等级））
或限制列表理解中使用的字母。
如果您知道评级将遵循特定模式（即XXX，XX，XX，X+），您可以执行以下操作：

import pandas as pd
import itertools
import string

# df with dummy data
df = pd.DataFrame(['AAA', 'AA', 'A', 'A+', 'BBB', 'BB', 'B', 'B+'], columns=['Ratings'])

# collect ratings and assign a decreasing value to them
ratings = [[letter*3, letter*2, letter, letter+'+'] for letter in string.ascii_uppercase]  # create all possible ratings in order
ratings = list(itertools.chain.from_iterable(ratings))  # flatten list
ratings_code = dict(zip(ratings, reversed(range(len(ratings)))))

# map rating code to original rating
df['RatingCode'] = df.Ratings.map(ratings_code)

根据您对
RatingCode
范围的期望，您需要调整
反向（范围（等级））
或限制列表理解中使用的字母。
这可能需要手动完成。我看不出计算机有什么办法可以知道AAA比BBB好，这比CCC好。我相信计算机可以很容易地将值30映射到AAA，20映射到BBB，10映射到CCC，然后说20比10好，30比20好。我认为手工绘制地图是唯一的方法。这可能需要手工完成。我看不出计算机有什么办法可以知道AAA比BBB好，这比CCC好。我相信计算机可以很容易地将值30映射到AAA，20映射到BBB，10映射到CCC，然后说20比10好，30比20好。我认为手工绘制地图是唯一的方法。哇！那太酷了。我不知道你能做到。我想Python世界没有太多限制。谢谢你的启发。哇！那太酷了。我不知道你能做到。我想Python世界没有太多限制。谢谢你的启发。