python - 使用 Panda 库将非数字值转换为数值

Question

我正在学习 Pandas，我遇到了一个有趣的问题。所以我有一个像这样的数据框:

COL1    COL2      COL3
a     9/8/2016     2
b     12/4/2016    23
         ...
n     1/1/2015     21

COL1 是字符串，Col2 是时间戳，Col3 是数字。现在我需要对此 Dataframe 进行一些分析，我想将所有非数字数据转换为数字数据。我尝试使用 DictVectorizer()将 COL1 和 2 转换为数字，但首先我不确定这是否是做这种事情的最佳方式，其次我不知道如何处理时间戳。当我使用 DictVectorizer 时，输出如下:

{u'COL3: {0:2, 1:23 , ...,n:21}, 'COL1': {0: u'a', 1:'b', ... , n:'n'}, 'COL2': {0: u'9/8/2016' , 1: u'12/4/2016' , ... , n:u'1/1/2016'}}

但据我所知，它应该是这样的，或者至少我知道我需要这样的东西:

 {COL1:'a', COL2: '9/8/2016' , COL3: 2  and so on}   

所以，问题:1-将非数字(包括日期)转换为数值以在 sklearn 库中使用的最佳方法是什么2- 使用 DictVectorize() 的正确方法是什么

如有任何帮助，我们将不胜感激。

Answer 1

要将非数字数据编码为数字，您可以使用 scikit-learn 的 LabelEncoder .它将COL1的a、b、c等每个类别编码为整数。

假设 df 是您的数据框，请尝试:

from sklearn.preprocessing import LabelEncoder
enc = LabelEncoder()
enc.fit(df['COL1'])
df['COL1'] = enc.transform(df['col1'])

• enc.fit() 创建相应的整数值。
• enc.transform() 将编码应用于 df 值。

对于第二列，使用 Pandas to_datetime()函数应该可以解决问题，就像@quinn-weber 提到的那样，尝试:

df['COL2'] = pd.to_datetime(df['COL2'])