基于单行中的频率将分类变量转换为数字

Question

这类似于scikit-learn 中的LabelEncoder，但要求数值分配按类别的频率顺序发生，即较高的出现类别被分配最高/最低（取决于用例）编号。

例如，如果变量可以[a, b, c]采用频率值，例如

  Category 
0        a 
0        a 
0        a 
0        a 
0        a 
1        b 
1        b 
1        b 
1        b 
1        b 
1        b 
1        b 
1        b 
1        b 
1        b 
2        c 
2        c 

a出现5次，b出现10次，c出现2次。然后我希望替换完成为b=1,a=2和c=3。

Answer 1

正如 @Vivek Kumar 所建议的，我使用了地图功能，使用排序列值的字典作为键，使用它们的位置作为值：

data.Category = data.Category.map(dict(zip(data.Category.value_counts().index, range(1, len(data.Category.value_counts().index)+1))))

看起来有点脏，最好将其分成几行，如下所示：

sorted_indices = data.Category.value_counts().index
data.Category = data.Category.map(dict(zip(sorted_indices, range(1, len(sorted_indices)+1))))

这是最接近我的要求的。输出如下所示：

    Category
0          2
1          2
2          2
3          2
4          2
5          1
6          1
7          1
8          1
9          1
10         1
11         1
12         1
13         1
14         1
15         3
16         3