Pandas标签编码列，其中包含无效行值的默认标签

4 回答

• 2

  你也可以使用np.where：

  创建一个虚拟DataFrame

  df = pd.DataFrame({'Borough': ['MANHATTAN', 'BROOKLYN', 'QUEENS', 'STATEN ISLAND','BRONX', 'TEST']})
  df
      Borough
  0   MANHATTAN
  1   BROOKLYN
  2   QUEENS
  3   STATEN ISLAND
  4   BRONX
  5   TEST
  

  你的行动：

  df['borough_num'] = df['Borough'].replace(regex=['MANHATTAN', 'BROOKLYN', 'QUEENS', 'STATEN ISLAND','BRONX'], value=[1, 2, 3, 4,5])
  df
  
      Borough   borough_num
  0   MANHATTAN       1
  1   BROOKLYN        2 
  2   QUEENS          3
  3   STATEN ISLAND   4
  4   BRONX           5
  5   TEST           TEST
  

  使用np.where替换列中的Borough值而不是0中的键：

  keys = ['MANHATTAN', 'BROOKLYN', 'QUEENS', 'STATEN ISLAND','BRONX']
  df['Borough'] = np.where(~df['Borough'].isin(keys), 0 ,df['Borough'])
  df
  
      Borough    borough_num
  0   MANHATTAN       1
  1   BROOKLYN        2
  2   QUEENS          3
  3   STATEN ISLAND   4
  4   BRONX           5
  5   0             TEST
  

  回复于 2024-05-11T15:36:06+08:00
• 2

  我看到你想用一些强加的顺序执行类别编码 . 我建议使用 pd.Categorical 与 ordered=True ：

  df = pd.DataFrame({
      'Borough': ['QUEENS', 'BRONX', 'MANHATTAN', 'BROOKLYN', 'INVALID']})
  df
  
       Borough
  0     QUEENS
  1      BRONX
  2  MANHATTAN
  3   BROOKLYN
  4    INVALID
  
  keys = ['MANHATTAN', 'BROOKLYN', 'QUEENS', 'STATEN ISLAND','BRONX']
  df['borough_num'] = pd.Categorical(
      df['Borough'], categories=keys, ordered=True).codes+1
  
  df
  
       Borough  borough_num
  0     QUEENS            3
  1      BRONX            5
  2  MANHATTAN            1
  3   BROOKLYN            2
  4    INVALID            0
  

  pd.Categorical 将无效字符串返回为-1：

  pd.Categorical(
           df['Borough'], categories=keys, ordered=True).codes      
  array([ 2,  4,  0,  1, -1], dtype=int8)
  

  无论如何，这应该比使用 replace 快得多，但作为参考，你可以用 replace 和字典做到这一点：

  from collections import defaultdict
  
  d = defaultdict(int)
  d.update(dict(zip(keys, range(len(keys)))))
  df['borough_num'] = df['Borough'].map(d)
  
  df
  
       Borough  borough_num
  0     QUEENS            2
  1      BRONX            4
  2  MANHATTAN            0
  3   BROOKLYN            1
  4    INVALID            0
  

  回复于 2024-05-11T15:36:06+08:00
• 0

  要将所有其他值替换为0，您可以执行以下操作：

  # create maps
  new_values = ['MANHATTAN', 'BROOKLYN', 'QUEENS', 'STATEN ISLAND','BRONX']
  maps = dict(zip(new_values, [1]*len(new_values)))
  
  # map the values
  df['borough_num'] = df['Borough'].apply(lambda x: maps.get(x, 0))
  

  回复于 2024-05-11T15:36:06+08:00
• 2

  使用 map 和 fillna 来冷的数据，所有不在 Map dict 中的值都会返回 NaN ，那么我们只需 fillna

  df.Borough.map(dict(zip(['QUEENS', 'BRONX'],[1,2]))).fillna(0).astype(int)
  0    1
  1    2
  2    2
  3    0
  Name: Borough, dtype: int32
  

  回复于 2024-05-11T15:36:06+08:00