获取pandas中分类变量的映射

Question

我这样做是为了制作分类变量数字

>>> df = pd.DataFrame({'x':['good', 'bad', 'good', 'great']}, dtype='category')

       x
0   good
1    bad
2   good
3  great

如何获取原始值和新值之间的映射？

Answer 1

您可以通过枚举创建字典映射(类似于通过从列表索引创建字典键从列表创建字典):

dict( enumerate(df['x'].cat.categories ) )

# {0: 'bad', 1: 'good', 2: 'great'}

要验证这是否有效,只需打印出如下所示的基础整数代码:

dict( zip( df['x'].cat.codes, df['x'] ) )

# {0: 'bad', 1: 'good', 2: 'great'}

或者从类别到整数到字符串到类别进行往返:

type( df['x'].cat.categories )

# pandas.core.indexes.base.Index

有关pandas分类变量的一般信息,请参阅官方文档

Answer 2

Hier 是我基于 Matheus Araujo 的回答的解决方案。

假设我们有一个国家/地区列。首先，您必须将列转换为分类数据类型：

df.country = df.country.astype('category')

以数组的形式获取每个值的代码：

df.country.cat.codes

将代码数组转换回字符串

df.country.cat.categories[df.country.cat.codes]

您还可以传递整数列表

df.country.cat.categories[[0, 1, 2]]

或者单个代码

df.country.cat.categories[0]

Answer 3

如果你运行这个：

df["column_category"].cat.categories.get_loc("item")

它将返回与映射中的“项目”相对应的代码（例如0）。

如果你运行这个：

df["column_category"].cat.categories[0]

它将返回对应于映射位置0的代码值（例如“item”）