有没有一种简单的方法可以在Pandas数据帧中将yes / no列更改为1/0？

Question

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！

Answer 1

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
给出样本

<强> 定时
长样品
sample = pd.DataFrame(dict(housing=np.random.choice(('yes', 'no'), size=100000)))

Answer 2

试试这个：

sampleDF['housing'] = sampleDF['housing'].map({'yes': 1, 'no': 0})

Answer 3

# 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)

Answer 4

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

Answer 5

%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。

    

  

Answer 6

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

Answer 7

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)

Answer 8

使用sklearn的LabelEncoder

from sklearn.preprocessing import LabelEncoder

lb = LabelEncoder() 
sampleDF['housing'] = lb.fit_transform(sampleDF['housing'])

Source

Answer 9

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

Answer 10

理解数组

sampleDF['housing'] = [int(v == 'yes') for v in sampleDF['housing']]

Answer 11

使用pandas.Series.map

sampleDF.map({'yes':1,'no':0})

Answer 12

尝试一下，它将起作用。

sampleDF.housing.replace(['no', 'yes'], [0,1], inplace = True) 

Answer 13

sampleDF['housing'] = sampleDF['housing'].map(lambda x: 1 if x == 'yes' else 0)
sampleDF['housing'] = sampleDF['housing'].astype(int)

这将起作用。

Answer 14

这只是对int的滥用。

尝试一下。

sampleDF.housing = (sampleDF.housing == 'yes').astype(int)

Answer 15

您也可以尝试：

sampleDF["housing"] = (sampleDF["housing"]=="Yes")*1 

Answer 16

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。

Answer 17

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)

Answer 18

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)

Answer 19

尝试以下操作：

sampleDF['housing'] = sampleDF['housing'].str.lower().replace({'yes': 1, 'no': 0})