在Pandas数据框中转换分类数据

Question

我有一个具有此类数据的数据框（列过多）：

col1        int64
col2        int64
col3        category
col4        category
col5        category

列看起来像这样：

Name: col3, dtype: category
Categories (8, object): [B, C, E, G, H, N, S, W]

我想像这样将列中的所有值转换为整数：

[1, 2, 3, 4, 5, 6, 7, 8]

我通过以下方法解决了这一问题：

dataframe['c'] = pandas.Categorical.from_array(dataframe.col3).codes

现在，我的数据框中有两列-旧列col3和新c列，需要删除旧列。

那是不好的做法。它是可行的，但是在我的数据框中有很多列，我不想手动进行。

pythonic如何巧妙地实现呢？

Answer 1

首先，要将“分类”列转换为其数字代码，可以使用以下命令更轻松地做到这一点dataframe['c'].cat.codes。
此外，可以使用来自动选择数据框中具有特定dtype的所有列select_dtypes。这样，您可以将以上操作应用于多个自动选择的列。

首先制作一个示例数据框：

In [75]: df = pd.DataFrame({'col1':[1,2,3,4,5], 'col2':list('abcab'),  'col3':list('ababb')})

In [76]: df['col2'] = df['col2'].astype('category')

In [77]: df['col3'] = df['col3'].astype('category')

In [78]: df.dtypes
Out[78]:
col1       int64
col2    category
col3    category
dtype: object

然后，通过使用select_dtypes选择列，然后将其应用于.cat.codes这些列中的每一个，您可以获得以下结果：

In [80]: cat_columns = df.select_dtypes(['category']).columns

In [81]: cat_columns
Out[81]: Index([u'col2', u'col3'], dtype='object')

In [83]: df[cat_columns] = df[cat_columns].apply(lambda x: x.cat.codes)

In [84]: df
Out[84]:
   col1  col2  col3
0     1     0     0
1     2     1     1
2     3     2     0
3     4     0     1
4     5     1     1