Pandas: convertir des catégories de numéros

Supposons que j'ai un dataframe avec les pays qui va aussi:

cc | temp
US | 37.0
CA | 12.0
US | 35.0
AU | 20.0

Je sais qu'il y a un pd.get_dummies fonction pour convertir le pays de "one-hot "codages'. Cependant, je souhaite convertir des indices de la place telle que je l'aurai cc_index = [1,2,1,3] à la place.

Je suis en supposant qu'il existe un moyen plus rapide que d'utiliser le get_dummies avec un numpy clause where comme indiqué ci-dessous:

[np.where(x) for x in df.cc.get_dummies().values]

C'est un peu plus facile à faire dans R à l'aide de "facteurs", donc je suis en espérant que les pandas a quelque chose de similaire.

  • Voulez-vous dire cc_index = [0,1,0,2]?
  • bien sûr, j'ai oublié les python indice 0
  • Catégorique de la Série ou des colonnes dans un DataFrame peut aider.
InformationsquelleAutor sachinruk | 2016-06-29
  1. 97

    D'abord, changer le type de la colonne:

    df.cc = pd.Categorical(df.cc)

    Maintenant, les données ressemblent, mais sont stockés d'une manière catégorique. Pour capturer les codes de catégorie:

    df['code'] = df.cc.cat.codes

    Maintenant, vous avez:

       cc  temp  code
0  US  37.0     2
1  CA  12.0     1
2  US  35.0     2
3  AU  20.0     0

    Si vous ne souhaitez pas modifier votre DataFrame, mais simplement d'obtenir les codes:

    df.cc.astype('category').cat.codes

    Ou utiliser les catégorique de la colonne comme un indice:

    df2 = pd.DataFrame(df.temp)
df2.index = pd.CategoricalIndex(df.cc)
    InformationsquelleAutor John Zwinck
  2. 17

    Si vous souhaitez seulement de transformer votre série en entier identifiants, vous pouvez utiliser mp.factoriser.

    Remarque cette solution, contrairement à pd.Categorical, ne sera pas de tri par ordre alphabétique. Donc le premier pays sera attribué 0. Si vous souhaitez démarrer à partir de 1, vous pouvez ajouter une constante:

    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

    Si vous souhaitez trier par ordre alphabétique, spécifiez sort=True:

    df['code'] = pd.factorize(df['cc'], sort=True)[0] + 1
    InformationsquelleAutor jpp
  3. 4

    Si vous utilisez le sklearn bibliothèque, vous pouvez utiliser LabelEncoder. Comme pd.Categorical, les chaînes d'entrée sont triés par ordre alphabétique avant l'encodage.

    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
    InformationsquelleAutor jpp