python - Python 中数据帧不同值的高效转换

Question

我有这样的数据:

republican,n,y,n,y,y,y,n,n,n,y,?,y,y,y,n,y
republican,n,y,n,y,y,y,n,n,n,n,n,y,y,y,n,?
democrat,?,y,y,?,y,y,n,n,n,n,y,n,y,y,n,n
democrat,n,y,y,n,?,y,n,n,n,n,y,n,y,n,n,y
democrat,y,y,y,n,y,y,n,n,n,n,y,?,y,y,y,y
democrat,n,y,y,n,y,y,n,n,n,n,n,n,y,y,y,y
democrat,n,y,n,y,y,y,n,n,n,n,n,n,?,y,y,y
republican,n,y,n,y,y,y,n,n,n,n,n,n,y,y,?,y

来自 source .我想以最有效的方式将所有数据 (dataframe) 中所有不同的不同值更改为数值。在上面提到的示例中，我想转换 republican-> 1 和 democrat -> 2，y ->3，n->4 和？ -> 5(或 NULL)。

我尝试使用以下内容:

# Convert string column to integer
def str_column_to_int(dataset, column):
    class_values = [row[column] for row in dataset]
    unique = set(class_values)
    lookup = dict()
    for i, value in enumerate(unique):
        lookup[value] = i
    for row in dataset:
        row[column] = lookup[row[column]]
    return lookup

但是，我不确定使用 Pandas 是否更高效，或者是否有其他更好的解决方案。 (这应该对任何数据源都是通用的)。下面是使用 Pandas 将数据转换为 dataframe 的过程:

import pandas as pd
file_path = 'https://archive.ics.uci.edu/ml/machine-learning-databases/voting-records/house-votes-84.data'
dataset = pd.read_csv(file_path, header=None)

Answer 1

v = df.values

f = pd.factorize(v.ravel())[0].reshape(v.shape)

pd.DataFrame(f)

   0   1   2   3   4   5   6   7   8   9   10  11  12  13  14  15  16
0   0   1   2   1   2   2   2   1   1   1   2   3   2   2   2   1   2
1   0   1   2   1   2   2   2   1   1   1   1   1   2   2   2   1   3
2   4   3   2   2   3   2   2   1   1   1   1   2   1   2   2   1   1
3   4   1   2   2   1   3   2   1   1   1   1   2   1   2   1   1   2
4   4   2   2   2   1   2   2   1   1   1   1   2   3   2   2   2   2
5   4   1   2   2   1   2   2   1   1   1   1   1   1   2   2   2   2
6   4   1   2   1   2   2   2   1   1   1   1   1   1   3   2   2   2
7   0   1   2   1   2   2   2   1   1   1   1   1   1   2   2   3   2