如何在 Python 的数据框中编码分类变量（系列）？

Posted 2023-03-12

【中文标题】如何在 Python 的数据框中编码分类变量（系列）？

【英文标题】：How to encode a categorical variable (series) in the data frame in Python?

【发布时间】：2014-02-12 05:07:12

【问题描述】：

我有一本如下形式的字典：

CA: California, NV: Nevada, TX: Texas

我想转换我的数据框

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

进入

 'state':['CA','CA','TX','NV','TX'],
 'var':[100,200,300,400,500]

最好的方法是什么？

【参考方案1】：

如果您颠倒了 dict 中的键和值，那么您可以使用 map:

# to swap the keys and values:
new_map = dict (zip(my_dict.values(),my_dict.keys()))

然后调用地图：

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

这假设您的密钥存在于地图中，否则您将获得 KeyError 提升

所以创建数据框：

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]

你的听写：

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 来执行查找并分配回状态：

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，那么您可以在 dict 上使用get，以便它处理KeyError 并将None 作为值分配：

用'New York'设置一个新的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]

现在改为拨打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]

【讨论】：

我还有一些字典中没有的状态。如果我应用 map()，则新系列中的相应值将丢失。我可以以某种方式指定我想为字典中不存在的值应用标识函数，即保持原样吗？

@P.Escondido 所以对于上面的例子，因为纽约不在你希望它留在纽约的字典中，这是正确的吗？您可以创建一个执行地图查找的函数，如果键不存在则不执行任何操作，或者您可以过滤数据框中要分配的值，仅过滤字典中存在的值并转换它们。

没错！我该怎么做？

@P.Escondido 我的答案通过使用 get 来解决。