按值计数的标签编码

Posted 2023-03-12

【中文标题】按值计数的标签编码

【英文标题】：Label encoding by value counts

【发布时间】：2022-01-06 01:45:34

【问题描述】：

我尝试为我的城市进行标签编码。但是，我希望它根据哪个城市比其他城市多来标记。比方说； 奥斯陆有 500 行 柏林有 400 行 那不勒斯在数据集中有 300 行 因此标签编码将根据值计数标记这些城市 所以;奥斯陆应标记为 0，柏林应标记为 1，那不勒斯应标记为 2

我该怎么做？

【参考方案1】：

使用Series.map by Series 和Series.value_counts 索引（默认排序值）：

df = pd.DataFrame('col': ['Berlin'] * 4 + ['Oslo'] * 5 + ['Napoli'] * 3)
print (df)

s = df['col'].value_counts()
print (s)
Oslo      5
Berlin    4
Napoli    3
Name: col, dtype: int64

s1 = pd.Series(range(len(s)), index=s.index)
print (s1)
Oslo      0
Berlin    1
Napoli    2
dtype: int64
       
df['newcol'] = df['col'].map(s1)
print (df)
       col  newcol
0   Berlin       1
1   Berlin       1
2   Berlin       1
3   Berlin       1
4     Oslo       0
5     Oslo       0
6     Oslo       0
7     Oslo       0
8     Oslo       0
9   Napoli       2
10  Napoli       2
11  Napoli       2

或者使用字典和enumerate:

s = df['col'].value_counts()
d = v: k for k, v in enumerate(s.index)
print (d)
'Oslo': 0, 'Berlin': 1, 'Napoli': 2      

df['newcol'] = df['col'].map(d)
print (df)
       col  newcol
0   Berlin       1
1   Berlin       1
2   Berlin       1
3   Berlin       1
4     Oslo       0
5     Oslo       0
6     Oslo       0
7     Oslo       0
8     Oslo       0
9   Napoli       2
10  Napoli       2
11  Napoli       2