将字符列编码为序数但保持数字列相同

Question

我有一个如下所示的数据框：

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，但不要管数值。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序数编码。我想在字符列中用 0 填充 NaN 值，但在数字列中保留 NaN。

什么是最简单的方法来做到这一点？

所需的输出（在 numpy 数组中）：

    Age    Status  score viral

0  59.0         1    5.0     1

1   NaN         0    NaN     0

谢谢！杰克

编辑：我还想要一个从编码值到原始值的映射，就像{i: dict(enumerate(v)) for i, v in enumerate(enc.categories_)}使用时一样enc=OrdinalEncoder()（参见Vectorize 2D character array column-wise）

Answer 1

更新，当有 NaN 时，它会将代码分类为 -1 ，如果您需要 NaN，您可以使用 replacedf=pd.DataFrame([test,test2])df.dtypesOut[152]:Age       float64Status     objectscore     float64viral      objectdtype: objectlistc=df.columns[df.dtypes=='object']for x in listc:    df[x]=df[x].astype('category').cat.codesdfOut[156]:     Age  Status  score  viral0  59.0       0    5.0      11   NaN      -1    NaN      0