熊猫：将类别转换为数字

Question

熊猫：将类别转换为数字

假设我有一个数据框，其国家/地区如下：

cc | temp

US | 37.0

CA | 12.0

US | 35.0

AU | 20.0

我知道有一个pd.get_dummies函数可以将这些国家/地区转换为“单热编码”。但是，我希望将它们转换为索引，以便我得到它cc_index = [1,2,1,3]。

我假设有一种比使用get_dummies和numpy where子句更快的方法，如下所示：

[np.where(x) for x in df.cc.get_dummies().values]

使用'因子'在R中这样做有点容易，所以我希望大熊猫有类似的东西。

Answer 1

如果您只希望将系列转换为整数标识符，则可以使用pd.factorize。请注意，此解决方案pd.Categorical不会按字母顺序排序。所以第一个国家将被分配0。如果您想从头开始1，可以添加常量：df['code'] = pd.factorize(df['cc'])[0] + 1print(df)   cc  temp  code0  US  37.0     11  CA  12.0     22  US  35.0     13  AU  20.0     3如果您希望按字母顺序排序，请指定sort=True：df['code'] = pd.factorize(df['cc'], sort=True)[0] + 1