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：

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)