Python教程：Pandas数据转换编码的10种方式

行乐

1.构建测试数据集

1. import pandas as pd
2. import numpy as np
4. df = pd.DataFrame({
5.         'Sex': ['M','F','M','M','M','F','M','F','F','F'],
6.         'Course': ['English','C','Math','Python','Java','PHP','Linux','SQL','Python','C++'],
7.         'Score': np.random.randint(0,100,10)
8.         })
9. '''
10.   Sex   Course  Score
11. 0   M  English     22
12. 1   F        C     20
13. 2   M     Math     89
14. 3   M   Python     13
15. 4   M     Java     68
16. 5   F      PHP     49
17. 6   M    Linux     97
18. 7   F      SQL      5
19. 8   F   Python     15
20. 9   F      C++     83
21. '''

复制代码

2.自定义函数 + 循环遍历

1. def myFun(x):
2.     if x > 90:
3.         return 'A'
4.     elif x >= 80 and x < 90:
5.         return 'B'
6.     elif x >= 70 and x < 80:
7.         return 'C'
8.     elif x >= 60 and x < 70:
9.         return 'D'
10.     else:
11.         return 'E'
12.    
13. df['Score_label'] = None
14. for i in range(len(df)):
15.     df.iloc[i, 3] = myFun(df.iloc[i, 2])

复制代码

3.自定义函数 + map

1. df['Score_label_2'] = df['Score'].map(myFun)

复制代码

4.自定义函数 + apply

1. df['Score_label_3'] = df['Score'].apply(lambda x: 'A' if x > 90
2.   else ('B' if 90 > x >= 80
3.         else ('C' if 80 > x >= 70
4.               else ('D' if 70 > x >= 60
5.                     else 'E'))))

复制代码

apply执行速度堪忧，针对大数据量尽量避免。
5.pd.cut

1. bins = [0, 59, 70, 80, 90, 100]
2. df['Score_label_4'] = pd.cut(df['Score'], bins)
3. # labels可以直接设定标签
4. df['Score_label_4'] = pd.cut(df['Score'], bins, labels=['E','D','C','B','A'])

复制代码

注意：左右开闭区间的设定。
6.sklearn二值化

1. from sklearn.preprocessing import Binarizer
2. binarizer_ = Binarizer(threshold=60)
3. df['Score_label_5'] = binarizer_.fit_transform(np.array(df['Score']).reshape(-1,1))

复制代码

7.replace替换

1. df['Sex_label'] = df['Sex'].replace(['M','F'], [0,1])

复制代码

8.value_counts()转换dict指定

利用 value_counts() 进行去重统计，转换为标签。

1. value_map = dict((v, i) for i, v in enumerate(df['Course'].value_counts().index))
3. df['Course_label'] = df.replace({'Course': value_map})['Course']
5. 9.set + map
7. Map = {v: i for i, v in enumerate(set(df['Course']))}
8. '''
9. {'Math': 0,
10. 'C': 1,
11. 'Linux': 2,
12. 'English': 3,
13. 'Java': 4,
14. 'PHP': 5,
15. 'C++': 6,
16. 'Python': 7,
17. 'SQL': 8}
18. '''
20. df['Course_label_2'] = df['Course'].map(Map)

复制代码

10.astype转换类型

1. value = df['Course'].astype('category')
2. df['Course_label_3'] = value.cat.codes

复制代码

转换为：类别类型。
11.sklearn.preprocessing.LabelEncoder

1. from sklearn.preprocessing import LabelEncoder
2. le = LabelEncoder()
3. le.fit(df['Sex'])
4. df['Sex_label_2'] = le.transform(df['Sex'])
6. le2 = LabelEncoder()
7. df['Course_label_4'] = le2.fit_transform(df['Course'])

复制代码

12.sklearn.preprocessing.OrdinalEncoder

一次性转换多个列，OrdinalEncoder 与 LabelEncoder 区别在于前者支持数组的转换，后者仅支持单独一列。

1. from sklearn.preprocessing import OrdinalEncoder
3. le3 = OrdinalEncoder()
4. le3.fit(df[['Sex', 'Course']])
5. #学习中遇到问题没人解答？小编创建了一个Python学习交流群：725638078
7. df[['Sex_label_3', 'Course_label_5']] = le3.transform(df[['Sex', 'Course']])

复制代码

13.factorize

以上几种自动生成字典的编码方式，基本都是无序的，不固定的。

1. # 根据出现的顺序编码
2. df['Course_label_6'] = pd.factorize(df['Course'])[0]

复制代码

利用 factorize 可以实现顺序编码。
结合匿名函数，可以实现对多列进行有序编码。

1. cat_columns = df.select_dtypes(['object']).columns
3. df[['Sex_label_4','Course_label_7']] = df[cat_columns].apply(lambda x: pd.factorize(x)[0])

复制代码

来源:https://www.cnblogs.com/djdjdj123/p/18294195
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！