将 2 列中的唯一值映射到整数

Question

我有一个包含 2 个分类列（col1、col2）的数据框。

  col1 col2
0    A   DE
1    A    B
2    B   BA
3    A    A
4    C    C 

我想将唯一字符串值映射到整数，例如（A：0，B：1，BA：2，C：3，DE：4）

  col1 col2  ideal1  ideal2
0    A   DE       0       4
1    A    B       0       1
2    B   BA       1       2
3    A    A       0       0
4    C    C       3       3

我尝试使用分解或类别，但我没有为两列获得相同的唯一值，如 ROW C 所示：

这是我的代码：

df = pd.DataFrame({'col1': ["A", "A", "B", "A" , "C"], 'col2': ["DE", "B", "BA", "A", "C"]}) 

#ideal map alphabetical: A:0, B:1, BA:2, C:3, DE:4

 #ideal result 
df["ideal1"] = [0, 0, 1,0, 3]
df["ideal2"] = [4,1,2,0,3]


 #trial #1 --> C value 2 & 3 : not matching
df["cat1"] = df['col1'].astype("category").cat.codes
df["cat2"] = df['col2'].astype("category").cat.codes

 #trial #2 --> C value 2 & 4 : not matching 
df["fac1"] = pd.factorize(df["col1"])[0]
df["fac2"] = pd.factorize(df["col2"])[0]


 
print (df)

OUT: 

  col1 col2  ideal1  ideal2  cat1  cat2  fac1  fac2
0    A   DE       0       4     0     4     0     0
1    A    B       0       1     0     1     0     1
2    B   BA       1       2     1     2     1     2
3    A    A       0       0     0     0     0     3
4    C    C       3       3     2     3     2     4

Answer 1

要在各列中获得相同的类别，您需要首先将其重塑为单个维度。然后使用factorize并恢复原来的形状。

stack这是使用/的示例unstack：

x = df.stack()
x[:] = x.factorize()[0]
df2 = x.unstack()

输出：

  col1 col2
0    0    1
1    0    2
2    2    3
3    0    0
4    4    4

连接到原始数据：

x = df.stack()
x[:] = x.factorize()[0]
df2 = df.join(x.unstack().add_suffix('_cat'))

输出：

  col1 col2 col1_cat col2_cat
0    A   DE        0        1
1    A    B        0        2
2    B   BA        2        3
3    A    A        0        0
4    C    C        4        4

按字母顺序

如果您确实想要按字母顺序排列，您可以创建自己的自定义映射字典：

import numpy as np
cats = {k:v for v,k in enumerate(np.unique(df.values))}
df.replace(cats)

输出：

   col1  col2
0     0     4
1     0     1
2     1     2
3     0     0
4     3     3