pandas.factorize 整个数据框

Question

pandas.factorize 将输入值编码为枚举类型或分类变量。

但是我怎样才能轻松有效地转换数据框的许多列呢？反向映射步骤呢？

示例：此数据框包含带有字符串值的列，例如“type 2”，我想将其转换为数值 - 并可能稍后将它们转换回来。

原文由 clstaudt 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

您可以使用 apply 如果您需要 factorize 每列分别：

 df = pd.DataFrame({'A':['type1','type2','type2'],
                   'B':['type1','type2','type3'],
                   'C':['type1','type3','type3']})

print (df)
       A      B      C
0  type1  type1  type1
1  type2  type2  type3
2  type2  type3  type3

print (df.apply(lambda x: pd.factorize(x)[0]))
   A  B  C
0  0  0  0
1  1  1  1
2  1  2  1

如果您需要相同的字符串值相同的数字值：

 print (df.stack().rank(method='dense').unstack())
     A    B    C
0  1.0  1.0  1.0
1  2.0  2.0  3.0
2  2.0  3.0  3.0

---

如果您只需要为某些列应用该函数，请使用一个子集：

 df[['B','C']] = df[['B','C']].stack().rank(method='dense').unstack()
print (df)
       A    B    C
0  type1  1.0  1.0
1  type2  2.0  3.0
2  type2  3.0  3.0

解决方案 factorize ：

 stacked = df[['B','C']].stack()
df[['B','C']] = pd.Series(stacked.factorize()[0], index=stacked.index).unstack()
print (df)
       A  B  C
0  type1  0  0
1  type2  1  2
2  type2  2  2

可以通过 map 通过 dict 将它们翻译回来，您需要通过 drop_duplicates 删除重复项：

 vals = df.stack().drop_duplicates().values
b = [x for x in df.stack().drop_duplicates().rank(method='dense')]

d1 = dict(zip(b, vals))
print (d1)
{1.0: 'type1', 2.0: 'type2', 3.0: 'type3'}

df1 = df.stack().rank(method='dense').unstack()
print (df1)
     A    B    C
0  1.0  1.0  1.0
1  2.0  2.0  3.0
2  2.0  3.0  3.0

print (df1.stack().map(d1).unstack())
       A      B      C
0  type1  type1  type1
1  type2  type2  type3
2  type2  type3  type3

原文由 jezrael 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

我还发现这个答案很有帮助： https ://stackoverflow.com/a/20051631/4643212

我试图从 Pandas DataFrame 中的现有列（名为“SrcIP”的 IP 地址列表）中获取值，并将它们映射到新列（在此示例中名为“ID”）中的数值。

解决方案：

 df['ID'] = pd.factorize(df.SrcIP)[0]

结果：

         SrcIP | ID
192.168.1.112 |  0
192.168.1.112 |  0
192.168.4.118 |  1
192.168.1.112 |  0
192.168.4.118 |  1
192.168.5.122 |  2
192.168.5.122 |  2
...

原文由 Gabe F. 发布，翻译遵循 CC BY-SA 3.0 许可协议