Question

我正在尝试将一列字符串转换为整数标识符......我无法在pandas（或python）中找到一种优雅的方法。在下面的例子中，我通过映射将“A”（字符串的列/变量）转换为数字，但它对我来说看起来像是一个肮脏的黑客

import pandas as pd                                                                             
import numpy as np

df = pd.DataFrame({'A': ['homer_simpson', 'mean_street', 'homer_simpson', 'bla_bla'], 'B': 4})

unique = df['A'].unique()
mapping = dict(zip(unique, np.arange(len(unique))))

new_df = df.replace({'A': mapping})

是否有更好，更直接的方法来实现这一目标？

Answer 1

如何使用factorize？

>>> labels, uniques = df.A.factorize()
>>> df.A = labels
>>> df
   A  B
0  0  4
1  1  4
2  0  4
3  2  4

http://pandas.pydata.org/pandas-docs/version/0.17.1/generated/pandas.factorize.html

Answer 2

转换字典上的简单地图应该可以满足您的需求。字典中的所有值都是唯一的，因此转置它不会导致重复键。

df['A'] = df.A.map({val: n for n, val in enumerate(df['A'].unique())})

>>> df
   A  B
0  0  4
1  1  4
2  0  4
3  2  4

Answer 3

假设您并不关心整数是什么，只需要有一致的映射，您可以（1）使用分类代码或（2）排名值：

>>> df["A_categ"] = pd.Categorical(df.A).codes
>>> df["A_rank"] = df["A"].rank("dense").astype(int)
>>> df
               A  B  A_categ  A_rank
0  homer_simpson  4        1       2
1    mean_street  4        2       3
2  homer_simpson  4        1       2
3        bla_bla  4        0       1

Answer 4

很抱歉，但我没有足够的声誉评论（这里有一个新人）。只是想知道使用Dataframe join是否会更快这样：

df.merge(df.drop_duplicates().reset_index(),on="A")["index"]

将一列字符串转换为Pandas中的整数列

4 个答案: