尝试对医疗数据执行简单的线性分类。样本数据由所有字符串组成,大多数值都在' yes',' no'格式,我希望这些数据转换为整数值1& 0这样我就可以做一些统计分析了。
以下是我的代码
import pandas as pd
from sklearn.cross_validation import train_test_split
from sklearn import preprocessing
df = pd.read_csv('sample-data.csv',encoding='utf-16', header=None, sep=',',names=['Temp','Occurrence','Lumbar-pain','Urine-pushing','Micturition-pains','Burning-of-urethra-swelling-of-urethra-outlet','Outcome1-Urinary-bladder','Outcome2-Nephritis-of-renal'])
Click here to view Sample-data.csv
我尝试将csv数据移动到数据框后进行转换,尝试使用map()对特定列进行转换,但我希望对值为“是”的所有列都进行此操作,',& #39;无'字符串。 是否有任何一揽子方法可以直接转换所有' yes'' no'运行read_csv
时,字符串为整数1和0d = {'yes': 1, 'no': 0}
print df['Outcome1-Urinary-bladder'].map(d)
查看this solution,但它不适合我的要求。
请帮助我,提前致谢。
答案 0 :(得分:11)
您可以使用.replace
方法。
df = pd.DataFrame(np.random.choice(['yes', 'no'], size=(5,3)), columns=list('ABC'))
df
A B C
0 no yes no
1 no yes yes
2 yes yes no
3 yes no no
4 yes yes yes
df.replace(['yes', 'no'], [1, 0])
A B C
0 0 1 0
1 0 1 1
2 1 1 0
3 1 0 0
4 1 1 1
替代地
pd.DataFrame(np.where(df=='yes', 1, 0), columns=df.columns, index=df.index)
是矢量化numpy
方法,比元素映射快得多。
答案 1 :(得分:0)
还有另一种选择,你可以使用sklearn imputer。要处理空值,以后可以使用pandas的get_dummy()方法
Scountry_imputer = preprocessing.Imputer(missing_values ='NaN', strategy ='mean',axis = 0)
Data = pd.get_dummies(df ['column_name'])