1.構建測試資料集
import pandas as pd
import numpy as np
df = pd.DataFrame({
'Sex': ['M','F','M','M','M','F','M','F','F','F'],
'Course': ['English','C','Math','Python','Java','PHP','Linux','SQL','Python','C++'],
'Score': np.random.randint(0,100,10)
})
'''
Sex Course Score
0 M English 22
1 F C 20
2 M Math 89
3 M Python 13
4 M Java 68
5 F PHP 49
6 M Linux 97
7 F SQL 5
8 F Python 15
9 F C++ 83
'''
2.自定義函式 + 迴圈遍歷
def myFun(x):
if x > 90:
return 'A'
elif x >= 80 and x < 90:
return 'B'
elif x >= 70 and x < 80:
return 'C'
elif x >= 60 and x < 70:
return 'D'
else:
return 'E'
df['Score_label'] = None
for i in range(len(df)):
df.iloc[i, 3] = myFun(df.iloc[i, 2])
3.自定義函式 + map
df['Score_label_2'] = df['Score'].map(myFun)
4.自定義函式 + apply
df['Score_label_3'] = df['Score'].apply(lambda x: 'A' if x > 90
else ('B' if 90 > x >= 80
else ('C' if 80 > x >= 70
else ('D' if 70 > x >= 60
else 'E'))))
apply執行速度堪憂,針對大資料量儘量避免。
5.pd.cut
bins = [0, 59, 70, 80, 90, 100]
df['Score_label_4'] = pd.cut(df['Score'], bins)
# labels可以直接設定標籤
df['Score_label_4'] = pd.cut(df['Score'], bins, labels=['E','D','C','B','A'])
注意:左右開閉區間的設定。
6.sklearn二值化
from sklearn.preprocessing import Binarizer
binarizer_ = Binarizer(threshold=60)
df['Score_label_5'] = binarizer_.fit_transform(np.array(df['Score']).reshape(-1,1))
7.replace替換
df['Sex_label'] = df['Sex'].replace(['M','F'], [0,1])
8.value_counts()轉換dict指定
利用 value_counts() 進行去重統計,轉換為標籤。
value_map = dict((v, i) for i, v in enumerate(df['Course'].value_counts().index))
df['Course_label'] = df.replace({'Course': value_map})['Course']
9.set + map
Map = {v: i for i, v in enumerate(set(df['Course']))}
'''
{'Math': 0,
'C': 1,
'Linux': 2,
'English': 3,
'Java': 4,
'PHP': 5,
'C++': 6,
'Python': 7,
'SQL': 8}
'''
df['Course_label_2'] = df['Course'].map(Map)
10.astype轉換型別
value = df['Course'].astype('category')
df['Course_label_3'] = value.cat.codes
轉換為:類別型別。
11.sklearn.preprocessing.LabelEncoder
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
le.fit(df['Sex'])
df['Sex_label_2'] = le.transform(df['Sex'])
le2 = LabelEncoder()
df['Course_label_4'] = le2.fit_transform(df['Course'])
12.sklearn.preprocessing.OrdinalEncoder
一次性轉換多個列,OrdinalEncoder 與 LabelEncoder 區別在於前者支援陣列的轉換,後者僅支援單獨一列。
from sklearn.preprocessing import OrdinalEncoder
le3 = OrdinalEncoder()
le3.fit(df[['Sex', 'Course']])
#學習中遇到問題沒人解答?小編建立了一個Python學習交流群:725638078
df[['Sex_label_3', 'Course_label_5']] = le3.transform(df[['Sex', 'Course']])
13.factorize
以上幾種自動生成字典的編碼方式,基本都是無序的,不固定的。
# 根據出現的順序編碼
df['Course_label_6'] = pd.factorize(df['Course'])[0]
利用 factorize 可以實現順序編碼。
結合匿名函式,可以實現對多列進行有序編碼。
cat_columns = df.select_dtypes(['object']).columns
df[['Sex_label_4','Course_label_7']] = df[cat_columns].apply(lambda x: pd.factorize(x)[0])