我将csv文件读入pandas数据帧,并希望将带有二进制答案的列从yes / no字符串转换为1/0的整数。下面,我展示了一个这样的列(“sampleDF”是pandas数据帧)。
In [13]: sampleDF.housing[0:10]
Out[13]:
0 no
1 no
2 yes
3 no
4 no
5 no
6 no
7 no
8 yes
9 yes
Name: housing, dtype: object
非常感谢帮助!
答案 0 :(得分:38)
方法1
sample.housing.eq('yes').mul(1)
方法2
pd.Series(np.where(sample.housing.values == 'yes', 1, 0),
sample.index)
方法3
sample.housing.map(dict(yes=1, no=0))
方法4
pd.Series(map(lambda x: dict(yes=1, no=0)[x],
sample.housing.values.tolist()), sample.index)
方法5
pd.Series(np.searchsorted(['no', 'yes'], sample.housing.values), sample.index)
所有收益
0 0
1 0
2 1
3 0
4 0
5 0
6 0
7 0
8 1
9 1
<强> 定时 强>
给出样本
<强> 定时 强>
长样品
sample = pd.DataFrame(dict(housing=np.random.choice(('yes', 'no'), size=100000)))
答案 1 :(得分:6)
试试这个:
sampleDF['housing'] = sampleDF['housing'].map({'yes': 1, 'no': 0})
答案 2 :(得分:6)
# produces True/False
sampleDF['housing'] = sampleDF['housing'] == 'yes'
以上返回的True / False值基本上分别为1/0。布尔值支持求和函数等。如果你真的需要它是1/0值,你可以使用以下内容。
housing_map = {'yes': 1, 'no': 0}
sampleDF['housing'] = sampleDF['housing'].map(housing_map)
答案 3 :(得分:3)
是,您可以使用以下代码段将列的是/否值更改为1/0
sampleDF = sampleDF.replace(to_replace = ['yes','no'],value = ['1','0'])
sampleDF
通过使用第一行,您可以将值替换为1/0 通过使用第二行,您可以通过打印看到更改
答案 4 :(得分:2)
%timeit
sampleDF['housing'] = sampleDF['housing'].apply(lambda x: 0 if x=='no' else 1)
1.84 ms±56.2μs/循环(平均值±标准偏差,7次运行,每次1000次循环)
将“是”替换为1,将“否”替换为指定的df列为0。
答案 5 :(得分:2)
通用方式:
import pandas as pd
string_data = string_data.astype('category')
numbers_data = string_data.cat.codes
参考: https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.astype.html
答案 6 :(得分:1)
您可以将一系列从布尔值明确转换为整数:
sampleDF['housing'] = sampleDF['housing'].eq('yes').astype(int)
答案 7 :(得分:1)
使用sklearn的LabelEncoder
from sklearn.preprocessing import LabelEncoder
lb = LabelEncoder()
sampleDF['housing'] = lb.fit_transform(sampleDF['housing'])
答案 8 :(得分:0)
对于一个名为 data 的数据集和一个名为 Paid
的列;
data = data.replace({'Paid': {'yes': 1, 'no': 0}})
所有的 yes
将变为 1
,所有的 no
将替换为 0
答案 9 :(得分:0)
理解数组
sampleDF['housing'] = [int(v == 'yes') for v in sampleDF['housing']]
答案 10 :(得分:0)
使用pandas.Series.map
sampleDF.map({'yes':1,'no':0})
答案 11 :(得分:0)
尝试一下,它将起作用。
sampleDF.housing.replace(['no', 'yes'], [0,1], inplace = True)
答案 12 :(得分:0)
sampleDF['housing'] = sampleDF['housing'].map(lambda x: 1 if x == 'yes' else 0)
sampleDF['housing'] = sampleDF['housing'].astype(int)
这将起作用。
答案 13 :(得分:0)
这只是对int的滥用。
尝试一下。
sampleDF.housing = (sampleDF.housing == 'yes').astype(int)
答案 14 :(得分:0)
您也可以尝试:
sampleDF["housing"] = (sampleDF["housing"]=="Yes")*1
答案 15 :(得分:0)
我使用了sklearn的预处理功能。首先,您要创建一个编码器。
e = preprocessing.LabelEncoder()
然后针对数据中的每个属性或特征,使用标签编码器将其转换为整数值
size = le.fit_transform(list(data["size"]))
color = le.fit_transform(list(data["color"]))
它将转换所有“大小”或“颜色”属性的列表,并将其转换为它们对应的整数值的列表。要将所有这些都放在一个列表中,请使用zip函数。
它不会与csv文件使用相同的格式;这将是所有东西的巨大清单。
data = list(zip(buying, size))
希望我对此做了清楚的解释。
答案 16 :(得分:0)
将整个数据帧转换为0和1的简单直观的方法可能是:
sampleDF = sampleDF.replace(to_replace = "yes", value = 1)
sampleDF = sampleDF.replace(to_replace = "no", value = 0)
答案 17 :(得分:0)
使用熊猫的简单方法如下:
housing = pd.get_dummies(sampleDF['housing'],drop_first=True)
从主df删除此文件
sampleDF.drop('housing',axis=1,inplace=True)
现在在您的df中合并一个新的
sampleDF= pd.concat([sampleDF,housing ],axis=1)
答案 18 :(得分:0)
尝试以下操作:
sampleDF['housing'] = sampleDF['housing'].str.lower().replace({'yes': 1, 'no': 0})