我这样做是为了使分类变量成为数字
>>> df = pd.DataFrame({'x':['good', 'bad', 'good', 'great']}, dtype='category')
x
0 good
1 bad
2 good
3 great
如何获取原始值和新值之间的映射?
最佳答案
方法1
您可以通过枚举创建字典映射(类似于通过从列表索引创建字典键来从列表创建字典):
dict( enumerate(df['x'].cat.categories ) )
# {0: 'bad', 1: 'good', 2: 'great'}
方法2
或者,您可以映射每一行中的值和代码:
dict( zip( df['x'].cat.codes, df['x'] ) )
# {0: 'bad', 1: 'good', 2: 'great'}
这里发生的事情更加透明,因此可以说更安全。它的效率也低得多,因为 zip()
的参数长度是 len(df)
而 df['x'].cat 的长度.categories
只是唯一值的计数,通常比 len(df)
短得多。
额外讨论
方法 1 有效的原因是类别的类型为 Index:
type( df['x'].cat.categories )
# pandas.core.indexes.base.Index
在这种情况下,您可以像查找列表一样在索引中查找值。
有多种方法可以验证方法 1 是否有效。首先,您可以检查往返是否保留正确的值:
(df['x'] == df['x'].cat.codes.map( dict(
enumerate(df['x'].cat.categories) ) ).astype('category')).all()
# True
或者您可以检查方法 1 和方法 2 是否给出相同的答案:
(dict( enumerate(df['x'].cat.categories ) ) == dict( zip( df['x'].cat.codes, df['x'] ) ))
# True
关于python - 获取 pandas 中分类变量的映射,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59237567/