python - 用整数替换 pandas DataFrame 的字符串元素

Question

我有一个 Pandas 数据框:

   x_axis  y_axis  data
0  Cheese   farms     4
1   wales  Cheese     3

可以用下面的代码生成:

import pandas
cols=['x_axis','y_axis','data']
row1=['Cheese','farms',4]
row2=['wales','Cheese',3]
data=pandas.DataFrame([row1,row2],columns=cols)
print data

实际上我拥有的数据要大得多，x 和 y 轴 是热图的标签。因为这些标签通常非常大，所以我想枚举它们并用索引替换它们(跨越 x 和 y 轴，即如果 cheese在 x 中是 1 它在 y 轴 中也是 1)。我还需要能够编写将新索引映射到其原始值的图例。

所需的输出可能如下所示:

  x_axis y_axis  data
0      1      2     4
1      3      1     3

那么图例就是:

cheese=1
farms=2
wales=3

任何人都可以给我一些关于如何以编程方式执行此操作的建议吗？

Answer 1

你需要categorical variables .

因为要转换多列的值，所以需要stack()成一个系列，然后调用astype:

>>> s = df.loc[:, ['x_axis', 'y_axis']].stack().astype('category')
>>> s
0  x_axis    Cheese
   y_axis     farms
1  x_axis     wales
   y_axis    Cheese
dtype: category
Categories (3, object): [Cheese, farms, wales]

s 现在是一个具有分类类型的系列:每个唯一的字符串都映射到一个整数。

如果您使用.cat 访问器，您可以获得每个分类变量的整数代码。使用 unstack() 会返回一个 DataFrame:

>>> s.cat.codes.unstack()
   x_axis  y_axis
0       0       1
1       2       0

这意味着您可以使用以下代码将这些整数列分配回原始列:

>>> df.loc[:, ['x_axis', 'y_axis']] = s.cat.codes.unstack()
>>> df
   x_axis  y_axis  data
0       0       1     4
1       2       0     3

字符串到整数的映射由 s.cat.categories 以索引的形式给出(所以 'Cheese' = 0, 'farms' = 1, 'wales' = 2) :

>>> s.cat.categories
Index(['Cheese', 'farms', 'wales'], dtype='object')