将分类变量从 String 转换为 int 表示

Posted 2023-03-12

【中文标题】将分类变量从 String 转换为 int 表示

【英文标题】：Convert categorical variables from String to int representation

【发布时间】：2017-04-25 23:17:03

【问题描述】：

我有一个字符串数组形式的文本分类的numpy数组，即 y_train = ['A', 'B', 'A', 'C',...]。我正在尝试应用 SKlearn 多项式 NB 算法来预测整个数据集的类。

我想将 String 类转换为整数，以便能够输入算法并将['A', 'B', 'A', 'C', ...] 转换为['1', '2', '1', '3', ...]

我可以编写一个 for 循环来遍历数组并使用 int 分类器创建一个新的，但是是否有直接的函数来实现这一点

【参考方案1】：

试试factorize方法：

In [264]: y_train = pd.Series(['A', 'B', 'A', 'C'])

In [265]: y_train
Out[265]:
0    A
1    B
2    A
3    C
dtype: object

In [266]: pd.factorize(y_train)
Out[266]: (array([0, 1, 0, 2], dtype=int64), Index(['A', 'B', 'C'], dtype='object'))

演示：

In [271]: fct = pd.factorize(y_train)[0]+1

In [272]: fct
Out[272]: array([1, 2, 1, 3], dtype=int64)

【参考方案2】：

如果您使用的是 sklearn，我建议您坚持使用该库中为您执行这些操作的方法。 Sklearn 有多种预处理数据的方法，例如编码标签。其中之一是sklearn.preprocessing.LabelEncoder 函数。

from sklearn.preprocessing import LabelEncoder  

le = LabelEncoder()
le.fit_transform(y_train)

哪些输出

array([0, 1, 0, 2])

使用le.inverse_transform([0,1,2]) 映射回来

【参考方案3】：

另一种方法是使用数据框的 astype('category').cat.codes 将字符串值转换为数字

X=df[['User ID', 'Gender', 'Age', 'EstimatedSalary']]
X['Gender']=X['Gender'].astype('category').cat.codes