python - 过滤 Pandas 中的对象列

Question

我有一个 100000 行 X 200 列的数据集。我想进行分类。我的目标列是一个对象(字符串)，具有 1345 个唯一值。

1. 假设我的目标列是“姓名”。我只想保留以下名字:John、Mary、Chris、Anna。如何“过滤”我的数据集，使其仅包含目标列中具有这些名称的行？

2. 过滤数据集后，我想创建一个有四个类的分类器，即四个名称。我考虑过使用 get_dummies，但我将有 4 个目标列。我只想转换，例如，John = 1、Mary = 2 等。

有什么想法吗？

非常感谢

Answer 1

您可以使用 pd.DataFrame.loc 在列内进行过滤:

name_set = {'John', 'Mary', 'Chris', 'Anna'}
res = df.loc[df['names'].isin(name_set)]

您可以使用字典将您的姓名映射到数字标识符:

d = {'John': 1, 'Mary': 2, 'Chris': 3, 'Anna': 4}
res['names'] = res['names'].map(d)

第二步也可以使用Categorical Data来实现通过提取类别代码。