python - Pandas 数据框字符列到整数

Question

我的数据框如下:

+--------------+--------------+----+-----+-------+
|      x1      |      x2      | km | gmm | class |
+--------------+--------------+----+-----+-------+
|  180.9863129 | -0.266379416 | 24 |  19 | T     |
|  52.20132828 |  28.93587875 | 16 |  14 | I     |
| -17.17127419 |  29.97013283 | 17 |  16 | D     |
|  37.28710938 | -69.96691132 |  3 |   6 | N     |
| -132.2395782 |  27.02541733 | 15 |  18 | G     |
| -12.52811623 | -87.90951538 | 22 |   5 | S     |

类(class)基本上是字母表(A 到 Z)。但是，我想要像 A=1, B=2... Z= 26 这样的输出。

现在，对于普通的 python 列表，我可以将它们转换为 ord(c.lower()) - ord('a')) % 9) + 1

但是，如何在数据框中做到这一点

Answer 1

选项 1
假设您的列仅 具有单个大写字符，您可以在 View 上做一些算术运算:

df['class'] = df['class'].values.astype('<U1').view(np.uint32) - 64

df
           x1         x2  km  gmm  class
0  180.986313  -0.266379  24   19     20
1   52.201328  28.935879  16   14      9
2  -17.171274  29.970133  17   16      4
3   37.287109 -69.966911   3    6     14
4 -132.239578  27.025417  15   18      7
5  -12.528116 -87.909515  22    5     19

这是我能想到的处理大数据最快的方法。

如果您的数据可能不稳定，您可以考虑这样的预处理步骤:

df['class'] = df['class'].str.upper().str[0]

---

选项 2
顺序

df['class'] = [ord(c) - 64 for c in df['class']]

或者，

df['class'] = df['class'].apply(ord) - 64

df
           x1         x2  km  gmm  class
0  180.986313  -0.266379  24   19     20
1   52.201328  28.935879  16   14      9
2  -17.171274  29.970133  17   16      4
3   37.287109 -69.966911   3    6     14
4 -132.239578  27.025417  15   18      7
5  -12.528116 -87.909515  22    5     19