python - 在 python 中进行因式分解

Question

我记得在 R 中我使用了 the.factor (我相信它们是带有级别的因子)，但在 python 中我不知道该怎么做。

它使用的是 get_dummies，但当训练数据集具有测试没有的值时，就会出现问题，从而生成比 ML 算法无法接受的更多的列。

我需要转换以下列:

train.head(5)

    Id  MSSubClass  MSZoning
     1      60         RL
     2      53         RR
     3      49         RL
     4      60         RL
     5      95         RR
     6      16         RR
     6      16         R1

我需要离开火车。MSZoning 如下:

MSZoning
    1
    2
    1
    1
    2
    2
    3      

谢谢。

Answer 1

您可以使用pd.Categorical。以下是一个最小的可重现示例

import pandas as pd 
data = [[1, 60, 'RL'], [2, 53, 'RR'], [3, 49, 'RL'], [4, 60, 'RL'], [5, 95, 'RR']] 
df = pd.DataFrame(data, columns = ['Id', 'MSSubClass', 'MSZoning']) 

df['MSZoning_factor'] = pd.Categorical(df.MSZoning).codes + 1
df
#   Id  MSSubClass MSZoning  MSZoning_factor
#0   1          60       RL                1
#1   2          53       RR                2
#2   3          49       RL                1
#3   4          60       RL                1
#4   5          95       RR                2

或者使用pd.factorize

df['MSZoning_factor'] = pd.factorize(df.MSZoning)[0] + 1

给出相同的结果。