代码之家 › 专栏 › 技术社区 › Jack Arnestad

将字符列编码为序号,但保持数字列相同

scikit-learn numpy pandas python

Jack Arnestad · 技术社区 · 6 年前

test = {"viral": "pos", "Status": "positive", "Age": 59, "score": 5}
test2 = {"viral": "neg"}
df = pd.DataFrame.from_dict([test, test2])

我想将字符列(病毒、状态)编码为序数,但不要使用数值。所需的输出是具有相同列名的numpy数组。

如果我使用sklearn的OrdinalEncoder,它不会处理NaN值。即使没有NaN值,它仍然会对数字列进行顺序编码。我想在字符列中用0填充NaN值,但在数字列中保留NaN。

所需输出(在numpy数组中):

    Age    Status  score viral
0  59.0         1    5.0     1
1   NaN         0    NaN     0

杰克

编辑:我还想从编码值映射到原始值,如 {i: dict(enumerate(v)) for i, v in enumerate(enc.categories_)} 使用时 enc=OrdinalEncoder() (见 Vectorize 2D character array column-wise

2 回复 | 直到 6 年前

rafaelc 6 年前

使用 LabelEncoder

enc = sklearn.preprocessing.LabelEncoder()

mask = df.dtypes.eq(np.object)
df.loc[:, mask] = df.loc[:, mask].astype(str).apply(enc.fit_transform)

为了你能 inverse_transform defaultdict 属于 LabelEncoders . 这个 key

from collections import defaultdict
enc = defaultdict(sklearn.preprocessing.LabelEncoder)

mask = df.dtypes.eq(np.object)
df.loc[:, mask] = df.loc[:, mask].astype(str).apply(lambda s: enc[s.name].fit_transform(s))

    Status  viral
0   1       1
1   0       0

到

df.loc[:, mask].apply(lambda s: enc[s.name].inverse_transform(s))

    Status      viral
0   positive    pos
1   NaN         neg

BENY 6 年前

更新,当有NaN时,它会将代码cat为-1,如果需要NaN,可以使用 replace

df=pd.DataFrame([test,test2])
df.dtypes
Out[152]:
Age       float64
Status     object
score     float64
viral      object
dtype: object
listc=df.columns[df.dtypes=='object']

for x in listc:
    df[x]=df[x].astype('category').cat.codes

df
Out[156]: 
    Age  Status  score  viral
0  59.0       0    5.0      1
1   NaN      -1    NaN      0

推荐文章

Mainland · Python数据帧规范化值错误:列的长度必须与键相同

1 年前

user026 · 如何根据特定窗口的平均值(行数)创建新列?

1 年前

rpn · 如何在列[1]中连续第二次出现“0”时返回列[0]的值

1 年前