用整数替换 pandas DataFrame 的字符串元素

Posted 2023-03-12

【中文标题】用整数替换 pandas DataFrame 的字符串元素

【英文标题】：Replacing string elements of a pandas DataFrame with integers

【发布时间】：2016-08-04 15:56:53

【问题描述】：

我有一个熊猫数据框：

   x_axis  y_axis  data
0  Cheese   farms     4
1   wales  Cheese     3

可以使用以下代码生成：

import pandas
cols=['x_axis','y_axis','data']
row1=['Cheese','farms',4]
row2=['wales','Cheese',3]
data=pandas.DataFrame([row1,row2],columns=cols)
print data

实际上，我拥有的数据要大得多，x 和 y axis 是热图的标签。因为这些标签通常非常大，我想枚举它们并用索引替换它们（跨越x 和y axes 即如果cheese 是1 在x 它也是1 在@ 987654331@)。我还需要能够编写一个将新索引映射到其原始值的图例。

所需的输出可能如下所示：

  x_axis y_axis  data
0      1      2     4
1      3      1     3

那么传说是：

cheese=1
farms=2
wales=3

谁能给我一些关于如何以编程方式执行此操作的建议？

【问题讨论】：

您的映射可能不完全清楚。如果有重复行，例如附加行 row3=['Bread','wales',3]，会发生什么？

嗨 tfv，所以“面包”总是 4（例如）而 wales 总是 5 - 无论列如何

【参考方案1】：

你需要categorical variables。

因为要转换多列的值，所以需要将stack()转换成一个系列，然后调用astype：

>>> s = df.loc[:, ['x_axis', 'y_axis']].stack().astype('category')
>>> s
0  x_axis    Cheese
   y_axis     farms
1  x_axis     wales
   y_axis    Cheese
dtype: category
Categories (3, object): [Cheese, farms, wales]

s 现在是一个具有分类类型的系列：每个唯一的字符串都映射到一个整数。

如果你使用.cat 访问器，你可以获得每个分类变量的整数代码。使用unstack() 会给你一个DataFrame：

>>> s.cat.codes.unstack()
   x_axis  y_axis
0       0       1
1       2       0

这意味着您可以使用以下命令将这些整数列分配回原始列：

>>> df.loc[:, ['x_axis', 'y_axis']] = s.cat.codes.unstack()
>>> df
   x_axis  y_axis  data
0       0       1     4
1       2       0     3

字符串到整数的映射由s.cat.categories 以索引的形式给出（所以'Cheese' = 0, 'farms' = 1, 'wales' = 2）：

>>> s.cat.categories
Index(['Cheese', 'farms', 'wales'], dtype='object')