有没有一种简单的方法可以在Pandas数据帧中将yes/no列更改为1/0？

Question

我将csv文件读入pandas数据帧,并希望将带有二进制答案的列从yes/no字符串转换为1/0的整数.下面,我展示了一个这样的列("sampleDF"是pandas数据帧).

In [13]: sampleDF.housing[0:10]
Out[13]:
0     no
1     no
2    yes
3     no
4     no
5     no
6     no
7     no
8    yes
9    yes
Name: housing, dtype: object

非常感谢帮助!

Answer 1

方法1

sample.housing.eq('yes').mul(1)

方法2

pd.Series(np.where(sample.housing.values == 'yes', 1, 0),
          sample.index)

方法3

sample.housing.map(dict(yes=1, no=0))

方法4

pd.Series(map(lambda x: dict(yes=1, no=0)[x],
              sample.housing.values.tolist()), sample.index)

方法5

pd.Series(np.searchsorted(['no', 'yes'], sample.housing.values), sample.index)

全部收益

0    0
1    0
2    1
3    0
4    0
5    0
6    0
7    0
8    1
9    1

定时
给定样本

定时
长样本
sample = pd.DataFrame(dict(housing=np.random.choice(('yes', 'no'), size=100000)))

Answer 2

试试这个:

sampleDF['housing'] = sampleDF['housing'].map({'yes': 1, 'no': 0})

Answer 3

# produces True/False
sampleDF['housing'] = sampleDF['housing'] == 'yes'

上面的返回True / False值分别基本上为1/0。布尔值支持求和函数等。如果确实需要将其设为1/0值，则可以使用以下内容。

housing_map = {'yes': 1, 'no': 0}
sampleDF['housing'] = sampleDF['housing'].map(housing_map)

Answer 4

%timeit
sampleDF['housing'] = sampleDF['housing'].apply(lambda x: 0 if x=='no' else 1)

每个循环1.84 ms±56.2 µs（平均±标准偏差，共运行7次，每个循环1000个）

对于指定的df列，将“是”替换为1，将“否”替换为0。

Answer 5

使用sklearn的LabelEncoder

from sklearn.preprocessing import LabelEncoder

lb = LabelEncoder() 
sampleDF['housing'] = lb.fit_transform(sampleDF['housing'])

来源