1.构建测试数据集
import pandas as pd
import numpy as np
df = pd.DataFrame({
'Sex': ['M','F','M','M','M','F','M','F','F','F'],
'Course': ['English','C','Math','Python','Java','PHP','Linux','SQL','Python','C++'],
'Score': np.random.randint(0,100,10)
})
'''
Sex Course Score
0 M English 22
1 F C 20
2 M Math 89
3 M Python 13
4 M Java 68
5 F PHP 49
6 M Linux 97
7 F SQL 5
8 F Python 15
9 F C++ 83
'''
2.自定义函数 + 循环遍历
def myFun(x):
if x > 90:
return 'A'
elif x >= 80 and x < 90:
return 'B'
elif x >= 70 and x < 80:
return 'C'
elif x >= 60 and x < 70:
return 'D'
else:
return 'E'
df['Score_label'] = None
for i in range(len(df)):
df.iloc[i, 3] = myFun(df.iloc[i, 2])
3.自定义函数 + map
df['Score_label_2'] = df['Score'].map(myFun)
4.自定义函数 + apply
df['Score_label_3'] = df['Score'].apply(lambda x: 'A' if x > 90
else ('B' if 90 > x >= 80
else ('C' if 80 > x >= 70
else ('D' if 70 > x >= 60
else 'E'))))
apply执行速度堪忧，针对大数据量尽量避免。
5.pd.cut
bins = [0, 59, 70, 80, 90, 100]
df['Score_label_4'] = pd.cut(df['Score'], bins)
# labels可以直接设定标签
df['Score_label_4'] = pd.cut(df['Score'], bins, labels=['E','D','C','B','A'])
注意：左右开闭区间的设定。
6.sklearn二值化
from sklearn.preprocessing import Binarizer
binarizer_ = Binarizer(threshold=60)
df['Score_label_5'] = binarizer_.fit_transform(np.array(df['Score']).reshape(-1,1))
7.replace替换
df['Sex_label'] = df['Sex'].replace(['M','F'], [0,1])
8.value_counts()转换dict指定
利用 value_counts() 进行去重统计，转换为标签。
value_map = dict((v, i) for i, v in enumerate(df['Course'].value_counts().index))
df['Course_label'] = df.replace({'Course': value_map})['Course']
9.set + map
Map = {v: i for i, v in enumerate(set(df['Course']))}
'''
{'Math': 0,
'C': 1,
'Linux': 2,
'English': 3,
'Java': 4,
'PHP': 5,
'C++': 6,
'Python': 7,
'SQL': 8}
'''
df['Course_label_2'] = df['Course'].map(Map)
10.astype转换类型
value = df['Course'].astype('category')
df['Course_label_3'] = value.cat.codes
转换为：类别类型。
11.sklearn.preprocessing.LabelEncoder
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
le.fit(df['Sex'])
df['Sex_label_2'] = le.transform(df['Sex'])
le2 = LabelEncoder()
df['Course_label_4'] = le2.fit_transform(df['Course'])
12.sklearn.preprocessing.OrdinalEncoder
一次性转换多个列，OrdinalEncoder 与 LabelEncoder 区别在于前者支持数组的转换，后者仅支持单独一列。
from sklearn.preprocessing import OrdinalEncoder
le3 = OrdinalEncoder()
le3.fit(df[['Sex', 'Course']])
#学习中遇到问题没人解答？小编创建了一个Python学习交流群：725638078
df[['Sex_label_3', 'Course_label_5']] = le3.transform(df[['Sex', 'Course']])
13.factorize
以上几种自动生成字典的编码方式，基本都是无序的，不固定的。
# 根据出现的顺序编码
df['Course_label_6'] = pd.factorize(df['Course'])[0]
利用 factorize 可以实现顺序编码。
结合匿名函数，可以实现对多列进行有序编码。
cat_columns = df.select_dtypes(['object']).columns
df[['Sex_label_4','Course_label_7']] = df[cat_columns].apply(lambda x: pd.factorize(x)[0])