我使用以下代码将字符串转换为数据集中的分类值。
data['weekday'] = pd.Categorical.from_array(data.weekday).labels
例如,
index weekday
0 Sunday
1 Sunday
2 Wednesday
3 Monday
4 Monday
5 Thursday
6 Tuesday
对工作日进行编码后,我的数据集如下所示:
index weekday
0 3
1 3
2 6
3 1
4 1
5 4
6 5
我有什么方法可以知道周日已映射到 3、周三映射到 6 等等?
您可以通过映射创建额外的字典:
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
le.fit(data['name'])
le_name_mapping = dict(zip(le.classes_, le.transform(le.classes_)))
print(le_name_mapping)
{'Tom': 0, 'Nick': 1, 'Kate': 2}
最好的方法是使用 sklearn 库的标签编码器。
类似这样的:
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
le.fit(["paris", "paris", "tokyo", "amsterdam"])
list(le.classes_)
le.transform(["tokyo", "tokyo", "paris"])
list(le.inverse_transform([2, 2, 1]))
一种简单而优雅的方式来做同样的事情。
cat_list = ['Sun', 'Sun', 'Wed', 'Mon', 'Mon']
encoded_data, mapping_index = pd.Series(cat_list).factorize()
你已经完成了,请检查下面
print(encoded_data)
print(mapping_index)
print(mapping_index.get_loc("Mon"))
有很多方法可以做到这一点。您可以考虑
pd.factorize
、sklearn.preprocessing.LabelEncoder
等。但是,在这种特定情况下,您有两个最适合您的选择:
按照您自己的方法,您可以添加类别:
pd.Categorical( df.weekday, [
'Sunday', 'Monday', 'Tuesday',
'Wednesday', 'Thursday', 'Friday',
'Saturday'] ).labels
另一个选项是直接使用
dict
映射值
df.weekday.map({
'Sunday': 0,
'Monday': 1,
# ... and so on. You get the idea ...
})
首先,制作一个分类系列:
weekdays = pd.Series(['Sun', 'Sun', 'Wed', 'Mon', 'Mon']).astype('category')
然后,检查其“类别”:
weekdays.cat.categories.get_loc('Sun')
如果数据框中有数值和分类两种类型的数据 您可以使用:这里 X 是我的数据框,具有分类变量和数值变量
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
for i in range(0,X.shape[1]):
if X.dtypes[i]=='object':
X[X.columns[i]] = le.fit_transform(X[X.columns[i]])
或者你可以试试这个:
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
data = data.apply(le.fit_transform)
注意:如果您对将它们转换回来不感兴趣,则此技术很好。
非常简单,他们有一个内置的功能。
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
..
# your model steps and when you have results
..
prediction_decoded = le.inverse_transform(prediction_encoded)
print(prediction_decoded)
即使有很多答案可以回答这个OP'ed问题,我仍然添加我的答案,具体如下:
如果您已经将您的值标记为:
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
le.fit('column-or-list-of-values')
您可以获取值到整数代码的映射,如下所示:
dict(zip(le.classes_,range(len(le.classes_))))
train['cat'] = train['cat'].map(list(train['cat'].value_counts().to_frame().reset_index().reset_index().set_index('index').to_dict().values())[0])
从分类转换为数字后,您可以使用索引值创建另一列。将其视为主键列。
#新列,索引包含列工作日的转换值 data['index'] = pd.Categorical.from_array(data.weekday).labels
#查看对应的值 df.groupby(['索引','工作日']).first()
您可以使用映射值更新“工作日”列,然后 DataFrame 将在“工作日”列中包含编码值。
data['weekday'] = data['weekday'].map({
'Sunday': 0,
'Monday': 1,
'Tuesday': 2,
'Wednesday': 3,
'Thursday': 4,
'Friday': 5,
'Saturday': 6,
})