Python 熊猫:将类别转换为数字
假设我有一个包含国家的数据框架,如下所示:Python 熊猫:将类别转换为数字,python,pandas,series,categorical-data,binning,Python,Pandas,Series,Categorical Data,Binning,假设我有一个包含国家的数据框架,如下所示: cc | temp US | 37.0 CA | 12.0 US | 35.0 AU | 20.0 我知道有一个pd.get_dummies函数可以将国家转换为“一个热门编码”。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] 我假设有一种比使用get_假人和numpy where子句更快的方法,如下所示: [df.cc.get_dummies().values中x的np.where(x)] 在R中使用“因子”会更容易做
cc | temp
US | 37.0
CA | 12.0
US | 35.0
AU | 20.0
我知道有一个pd.get_dummies函数可以将国家转换为“一个热门编码”。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]
我假设有一种比使用get_假人和numpy where子句更快的方法,如下所示:
[df.cc.get_dummies().values中x的np.where(x)]
在R中使用“因子”会更容易做到这一点,因此我希望pandas也有类似的功能。首先,更改列的类型:
df.cc = pd.Categorical(df.cc)
现在,数据看起来很相似,但却是分类存储的。要捕获类别代码,请执行以下操作:
df['code'] = df.cc.cat.codes
现在你有:
cc temp code
0 US 37.0 2
1 CA 12.0 1
2 US 35.0 2
3 AU 20.0 0
如果不想修改数据帧,只需获取代码:
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)
如果只希望将序列转换为整数标识符,可以使用 请注意,与pd.Category不同,此解决方案不会按字母顺序排序。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
如果要按字母顺序排序,请指定sort=True
:
df['code'] = pd.factorize(df['cc'], sort=True)[0] + 1
如果您正在使用库,则可以使用。与pd.Categorical类似,输入字符串在编码前按字母顺序排序
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
将任何列更改为数字。它不会创建新列,而只是用数字数据替换值
def characters_to_numb(*args):
对于args中的arg:
df[arg]=pd.category(df[arg])
df[arg]=df[arg].cat.code
返回df
尝试此操作,根据频率转换为数字(高频-高数字):
单行代码:
df[['cc']] = df[['cc']].apply(lambda col:pd.Categorical(col).codes)
如果您有一个列列表
:
df[list_of_columns] = df[list_of_columns].apply(lambda col:pd.Categorical(col).codes)
此外,如果要保留NaN
值,可以应用替换:
df[['cc']] = df[['cc']].apply(lambda col:pd.Categorical(col).codes).replace(-1,np.nan)
你的意思是
cc_index=[0,1,0,2]
?当然,忘记数据帧中的python 0 IndexCategory系列或列可能会有所帮助。调用df.cc.cat.codes
似乎已更改为仅df.cc.codes
。请注意,如果缺少值,它们将被编码为-1。如果您想避免处理这种情况,可以先将其转换为字符串:df.cc.astype('str').astype('category').cat.codesIt似乎转换为NaN
as-1
?
df[['cc']] = df[['cc']].apply(lambda col:pd.Categorical(col).codes).replace(-1,np.nan)