原文地址：https://mp.weixin.qq.com/s/8BFdFvTyP5NkJ1YZp52vEg

Pandas对分类数据编码

import pandas as pd
from sklearn.preprocessing import Binarizer, LabelEncoder, OrdinalEncoder

df = pd.DataFrame(
    {'Sex': ['Male', 'Female', 'Male', 'Male', 'Male',
             'Female', 'Male', 'Male', 'Female', 'Female'],
     'Course Name': ['Python', 'Java', 'C', 'Sql', 'Linux', 'Python', 'Python', 'Java', 'C', 'Php'],
     'Score': [95, 85, 75, 65, 55, 95, 75, 65, 55, 85]
     }
)

数值型数据【Score列打标签】

让我们先来讨论连续型数据的转换，
也就是根据Score列的值，
来新增一列标签，即如果分数大于90，则标记为A，分数在80-90标记为B，以此类推。

1. 自定义函数 + for

df1 = df.copy()


def myfun(x):
    if x > 90:
        return 'A'
    elif 80 <= x < 90:
        return 'B'
    elif 70 <= x < 80:
        return 'C'
    elif 60 <= x < 70:
        return 'D'
    else:
        return 'E'


df1['Score_Label'] = None
for i in range(len(df1)):
    df1.iloc[i, 3] = myfun(df1.iloc[i, 2])
print(df1)

2. 自定义函数 + map

def map_fun(x):
    if x > 90:
        return 'A'
    elif 80 <= x < 90:
        return 'B'
    elif 70 <= x < 80:
        return 'C'
    elif 60 <= x < 70:
        return 'D'
    else:
        return 'E'

df2 = df.copy()
df2['Score_Label'] = df2['Score'].map(map_fun)
print(df2)

3. 自定义函数+apply

1. map、apply在用于Series时，对每一个值进行处理，两者并没有什么区别。（是否受数据量影响可以自行验证）
2. apply不仅可以用于Series，还可以用于DataFrame；而map只能用于Series。
3. 一般情况下，apply应用更广泛，尤其是自定义函数带多个参数时，建议使用apply。

df3 = df.copy()
df3['Score_Label'] = df3['Score'].apply(map_fun)
print(df3)

4. 使用pd.cut切分数据

df4 = df.copy()
bins = [0, 60, 70, 80, 90, 100]
# bins把数据域切分成0~60，。。。，90~1005个区间
df4['Score_Label'] = pd.cut(df4['Score'], bins=bins, labels=['E', 'D', 'C', 'B', 'A'])
print(df4)

5. 使用 sklearn的二值化

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

df5 = df.copy()
binarizer = Binarizer(threshold=60)
trans = binarizer.fit_transform(df5['Score'].to_numpy().reshape(-1, 1))
df5['是否及格'] = trans
print(df5)

文本型数据打标签

对文本数据进行转换打标签。例如将性别男、女分别标记为0、1

print('1. 使用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()
df6['Sex_Label'] = df6['Sex'].replace(['Male', 'Female'], [0, 1])
print(df6)

使用value_counts来自动指定标签【Course Name多类别】

df6 = df.copy()
value = df6['Course Name'].value_counts()
print(type(value))
value_map = dict(
    (v, i) for i, v in enumerate(value.index)
)
print(value, value_map)
df6['Course Name Label'] = df6.replace(
  {'Course Name': value_map}
)['Course Name']
print(df6)

使用map：新增一列，一定要能够想到map

df7 = df.copy()
Map = {elem: index for index, elem in enumerate(set(df["Course Name"]))}
df7['Course Name_Label'] = df7['Course Name'].map(Map)
print(df7)

使用使用astype

df8 = df.copy()
value = df8['Course Name'].astype('category')
df8['Course Name_Label'] = value.cat.codes
print(df8)

5. 使用sklearn LabelEncoder

df9 = df.copy()
le = LabelEncoder()
le.fit(df['Sex'])
df9['Sex_Label'] = le.transform(df9['Sex'])
le.fit(df9['Course Name'])
df9['Course Name Label'] = le.transform(df9['Course Name'])
print(df9)

6. 一次性转换两列也是可以的

df9 = df.copy()
oe = OrdinalEncoder()
oe.fit(df9[['Sex', 'Course Name']])
df9[['Sex_Label', 'Course Name Label']] = oe.transform(
  df9[['Sex', 'Course Name']]
)
print(df9)

7. 我们希望 Python 对应 0，Java对应1，使用factorize，它会根据出现顺序进行编码

df10 = df.copy()
df10['Course Name_Label'] = pd.factorize(df10['Course Name'])[0]
print(df10)

结合匿名函数，我们可以做到对多列进行有序编码转换

df11 = df.copy()
cat_columns = df10.select_dtypes(['object']).columns

df11[['Sex_Label', 'Course Name_Label']] = df10[cat_columns].apply(
    lambda x: pd.factorize(x)[0])

标签：数据编码,Name,df,分类,Label,Course,print,copy,Pandas
来源： https://www.cnblogs.com/bai7/p/16462738.html