迭代列pandas将dtype对象编码为分类值

Question

我有一个数据集，其中包含目前尚未编码的分类值。例如，我有一个名为condition的变量，它具有以下值：Very Excellent，Excellent，Very Good

我想编码这些（给它们整数值），以便我可以在回归中将它们用作分类虚拟变量。但是，我的数据框中有很多这些，所以我想迭代每一列并编码所有dtype对象。这是我的尝试：

import pandas as pd
from sklearn.preprocessing import LabelEncoder
enc=LabelEncoder()

for column in df_06:
    if df_06["column"].values==object:
        df_06["column"]=enc.fit_transform(df_06["column"])

我的数据框是

错误：

<ipython-input-48-ea6aec86108f> in <module>() 1 for column in df_06: ----> 2 if df_06[column].values==object: 3 df_06[column]=enc.fit_transform(df_06[column]) ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

Answer 1

for循环有很多错误。例如，pd [“column”]不会调用value列。此外，您正在尝试将完整列与单个值“对象”（您在注释中报告的错误）进行比较。

对于您的问题，您可以使用

 for column in df.select_dtypes(include=['whatever_type_you_want']):
    df[column], _ = pd.factorize(df[column])

select_dtypes也可以接受exclude作为参数。

Answer 2

在编码之前，请确保您的列表示为category：

df_06[list_of_columns_to_encode].apply(lambda col: col.astype('category'))

1. 现在如果你想进行单热编码，为什么不直接使用pd.get_dummies呢？ pd.get_dummies(df_06, columns=[list_of_columns_to_encode])
2. 如果你想使用LabelEncoder然后尝试这样的事情：

   le = LabelEncoder()
   df_06[list_of_columns_to_encode].apply(le.fit_transform)

   如果你想了解更多关于如何使用相同的this字典的transform未来数据，请参阅LabelEncoder答案。