将字符串转换为

Question

尝试对医疗数据执行简单的线性分类.样本数据由所有字符串组成,大多数值为'yes','no'格式,我希望将此数据转换为整数值1和0,以便我可以进行一些统计分析.

以下是我的代码

import pandas as pd
from sklearn.cross_validation import train_test_split
from sklearn import preprocessing

df = pd.read_csv('sample-data.csv',encoding='utf-16', header=None, sep=',',names=['Temp','Occurrence','Lumbar-pain','Urine-pushing','Micturition-pains','Burning-of-urethra-swelling-of-urethra-outlet','Outcome1-Urinary-bladder','Outcome2-Nephritis-of-renal'])

点击此处查看Sample-data.csv

我尝试将csv数据移动到数据帧后进行转换,使用map()尝试使用特定列,但我希望对所有值为'yes','no'字符串的列进行此操作.是否有任何一种方法可以在运行read_csv时将所有'yes','no'字符串直接转换为整数1和0

d = {'yes': 1, 'no': 0}
print df['Outcome1-Urinary-bladder'].map(d) 

看看这个解决方案,但它不适合我的要求.

请帮帮我,提前谢谢.

Answer 1

你可以使用.replace方法.

df = pd.DataFrame(np.random.choice(['yes', 'no'], size=(5,3)), columns=list('ABC'))
df

     A    B    C
0   no  yes   no
1   no  yes  yes
2  yes  yes   no
3  yes   no   no
4  yes  yes  yes


df.replace(['yes', 'no'], [1, 0])

   A  B  C
0  0  1  0
1  0  1  1
2  1  1  0
3  1  0  0
4  1  1  1

或者

pd.DataFrame(np.where(df=='yes', 1, 0), columns=df.columns, index=df.index)

这是矢量化numpy方法,比元素映射快得多.