pandas 数据格式,

　　在机器学习中，很多算法都要求我们对分类特征进行变换(编码)，即根据某一列的值增加(修改)一列。本文总结了熊猫中的十种数据编码方式，有需要的可以参考。

　　00-1010数值数据自定义函数循环遍历自定义函数map自定义函数apply use pd.cut使用sklearn二进制文本数据使用replace使用map使用astype使用sklearn使用因式分解summary大家好，我是一个早起的人。

　　最近在知乎看到这样一个问题。

　　标题表明熊猫用起来很乱。真的是这样吗？在本文中，我们将首先使用pandas进行数据转换/编码的十种方案，然后回答这个问题。

　　其实这个操作在机器学习中很常见。很多算法要求我们对分类特征进行变换(编码)，即根据某一列的值来添加(修改)某一列。

　　为了便于理解，下面创建一个示例数据帧。

数值型数据

　　首先，当然最简单最笨的方法就是自己写一个函数，迭代通过，绝对是一个def加一个for。

　　df1=df.copy()

　　def myfun(x):

　　如果x90:

　　返回“A”

　　elif x=80和x90:

　　返回“B”

　　elif x=70和x80:

　　返回“C”

　　elif x=60和x70:

　　返回“D”

　　else:

　　返回“E”

　　df1[分数标签]=无

　　对于范围内的I(len(df1)):

　　df1.iloc[i，3]=myfun(df1.iloc[i，2])

　　这个代码，相信大家都能看懂，简单易记，但是比较平淡。

　　有更简单的方法吗？熊猫确实提供了许多有效的功能。请继续阅读。

自定义函数 + 循环遍历

　　现在，您可以使用map来杀死循环(尽管它本质上是一个循环)。

　　df2=df.copy()

　　def mapfun(x):

　　如果x90:

　　返回“A”

　　elif x=80和x90:

　　返回“B”

　　elif x=70和x80:

　　返回“C”

　　elif x=60和x70:

　　返回“D”

　　else:

　　返回“E”

　　df2[分数_标签]=df2[分数]。地图(mapfun)

　　结果是一样的。

自定义函数 + map

　　如果还想简化代码，可以使用自定义函数apply杀死自定义函数。

　　df3=df.copy()

　　df3[分数_标签]=df3[分数]。应用(

　　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))))

　　结果和上面是一致的，只不过这么写容易被打。

使用 pd.cut

　　现在，让我们继续了解更高级的pandas函数，依旧是对Score进行编码，使用pd.cut，并指定划分的区间后，可以直接帮你分好组

df4 = df.copy()

　　也可以直接使用labels参数来修改对应组的名称，是不是方便多了

df4[Score_Label_new] = pd.cut(df4[Score], bins, labels=[

使用 sklearn 二值化

　　既然是和机器学习相关，sklearn肯定跑不掉，如果需要新增一列并判定成绩是否及格，就可以使用Binarizer函数，代码也是简洁好懂

df5 = df.copy()

文本型数据

　　下面介绍更常见的，对文本数据进行转换打标签。例如新增一列，将性别男、女分别标记为0、1

使用 replace

　　首先介绍replace，但要注意的是，上面说过的自定义函数相关方法依旧是可行的

df6 = df.copy()

　　上面是对性别操作，因为只有男女，所以可以手动指定0、1，但要是类别很多，也可以使用pd.value_counts()来自动指定标签，例如对Course Name列分组

df6 = df.copy()

使用map

　　额外强调的是，新增一列，一定要能够想到map

df7 = df.copy()

使用astype

　　这个方法应该很多人不知道，这就属于上面提到的知乎问题，能实现的方法太多了

df8 = df.copy()

使用 sklearn

　　同数值型一样，这种机器学习中的经典操作，sklearn一定有办法，使用LabelEncoder可以对分类数据进行编码

from sklearn.preprocessing import LabelEncoder

　　一次性转换两列也是可以的

df9 = df.copy()

使用factorize

　　最后，再介绍一个小众但好用的pandas方法，我们需要注意到，在上面的方法中，自动生成的Course Name_Label列，虽然一个数据对应一个语言，因为避免写自定义函数或者字典，这样可以自动生成，所以大多是无序的。

　　如果我们希望它是有序的，也就是Python对应0，Java对应1，除了自己指定，还有什么优雅的办法？这时可以使用factorize，它会根据出现顺序进行编码

df10 = df.copy()

　　结合匿名函数，我们可以做到对多列进行有序编码转换

df10 = df.copy()

总结

　　至此，我要介绍的十种pandas数据编码的方法就分享完毕，代码拿走修改变量名就能用

　　现在回到文章开头的问题，如果你觉得pandas用起来很乱，说明你可能还未对pandas有一个全面且彻底的了解。

　　其实就像本文介绍数据编码转换一样，确实有很多方法可以实现显得很乱，但学习pandas的正确姿势就是应该把它当成字典来学，不必记住所有方法与细节，你只需知道有这么个函数能完成这样操作，需要用时能想到，想到再来查就行。

　　以上就是Pandas进行数据编码的十种方式总结的详细内容，更多关于Pandas数据编码的资料请关注盛行IT软件开发工作室其它相关文章！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。