我第一次和熊猫一起工作。我有一个包含调查回复的专栏,可能会非常同意'同意','不同意'非常不同意',并且'都没有'值。
这是列的describe()
和value_counts()
的输出:
count 4996
unique 5
top Agree
freq 1745
dtype: object
Agree 1745
Strongly agree 926
Strongly disagree 918
Disagree 793
Neither 614
dtype: int64
我想对这个问题与总分进行线性回归。但是,我觉得我应该首先将列转换为Category变量,因为它本身就是有序的。它是否正确?如果是这样,我该怎么做?
我试过这个:
df.EasyToUseQuestionFactor = pd.Categorical.from_array(df.EasyToUseQuestion)
print df.EasyToUseQuestionFactor
这会产生看起来模糊的输出,但似乎类别的顺序错误。有没有办法可以指定订购?我甚至需要指定订购吗?
这是我现在剩下的代码:
df = pd.read_csv('./data/responses.csv')
lm1 = ols('OverallScore ~ EasyToUseQuestion', data).fit()
print lm1.rsquared
答案 0 :(得分:1)
是的,您应该将其转换为分类数据,这应该可以解决问题
likert_scale = {'strongly agree':2, 'agree':1, 'neither':0, 'disagree':-1, 'strongly disagree':-2}
df['categorical_data'] = df.EasyToUseQuestion.apply(lambda x: likert_scale[x])
答案 1 :(得分:1)
如今有两种方法可以做到这一点。您的列将更具可读性,因为它将是“分类类型”,您仍然可以对值进行排序。
首先是我的首选:
var dictionary = {"Cmaj7": [60,64,67,71]},
getKey = (obj,val) => Object.keys(obj).find(key => obj[key].length === val.length && obj[key].every((kn) => val.includes(kn)));
console.log(getKey(dictionary,[60,64,71,67]));
额外提示:使用df['grades'].astype('category',
categories = ['E', 'D', 'C', 'B', 'A'],
ordered=True)
从一列中获取所有现有值。如果您不需要订购它们,这可能就足够了。
您也有docs
的建议df.colname.unique()
答案 2 :(得分:0)
pandas.factorize()
可以获得数组的数值表示。
factorize 既可用作顶级函数 pandas.factorize()
,也可用作方法 Series.factorize()
和 Index.factorize()
import pandas as pd
df = pd.DataFrame({'answer' : ['strongly agree', 'strongly agree', 'agree', 'neither', 'disagree', 'strongly disagree']})
# df['category'] = pd.factorize(df['answer'])[0]
df['category'] = df['answer'].factorize()[0]
# print(df)
answer category
0 strongly agree 0
1 strongly agree 0
2 agree 1
3 neither 2
4 disagree 3
5 strongly disagree 4