python - 如何在 Python 的数据框中编码分类变量(系列)？

Question

我有以下形式的字典:

{CA: California, NV: Nevada, TX: Texas}

我想转换我的数据框

{
 'state':['California', 'California, 'Texas', 'Nevada', 'Texas],
 'var':[100,200,300,400, 500]
}

进入

{
 'state':['CA','CA','TX','NV','TX'],
 'var':[100,200,300,400,500]
}

执行此操作的最佳方法是什么？

Answer 1

如果你颠倒了字典中的键和值，那么你可以只使用 map :

# to swap the keys and values:
new_map = dict (zip(my_dict.values(),my_dict.keys()))

然后调用 map :

df.state = df.state.map(new_map)

这假设您的键存在于 map 中，否则您将得到一个 KeyError raised

因此创建数据框:

In [12]:

df = pd.DataFrame({
 'state':['California', 'California', 'Texas', 'Nevada', 'Texas'],
 'var':[100,200,300,400, 500]
})

df
Out[12]:
        state  var
0  California  100
1  California  200
2       Texas  300
3      Nevada  400
4       Texas  500

[5 rows x 2 columns]

你的命令:

my_dict = {'CA': 'California', 'NV': 'Nevada', 'TX': 'Texas'}

反转键和值

new_dict = dict(zip(my_dict.values(), my_dict.keys()))

现在调用 map 来执行查找并分配回状态:

In [13]:

df.state = df.state.map(new_dict)
df
Out[13]:
  state  var
0    CA  100
1    CA  200
2    TX  300
3    NV  400
4    TX  500

[5 rows x 2 columns]

如果您担心某些值可能不存在，那么您可以在字典上使用 get 以便它处理 KeyError 并分配 None 作为一个值:

用'New York'设置一个新的df

In [19]:

df = pd.DataFrame({
 'state':['California', 'California', 'Texas', 'Nevada', 'Texas', 'New York'],
 'var':[100,200,300,400, 500, 600]
})
df
Out[19]:
        state  var
0  California  100
1  California  200
2       Texas  300
3      Nevada  400
4       Texas  500
5    New York  600

[6 rows x 2 columns]

现在改为调用 get:

In [25]:

df.state = df.state.map(lambda x: new_dict.get(x))
df
Out[25]:
  state  var
0    CA  100
1    CA  200
2    TX  300
3    NV  400
4    TX  500
5  None  600

[6 rows x 2 columns]