Question

我的数据框如下所示：

+--------------+--------------+----+-----+-------+
|      x1      |      x2      | km | gmm | class |
+--------------+--------------+----+-----+-------+
|  180.9863129 | -0.266379416 | 24 |  19 | T     |
|  52.20132828 |  28.93587875 | 16 |  14 | I     |
| -17.17127419 |  29.97013283 | 17 |  16 | D     |
|  37.28710938 | -69.96691132 |  3 |   6 | N     |
| -132.2395782 |  27.02541733 | 15 |  18 | G     |
| -12.52811623 | -87.90951538 | 22 |   5 | S     |

这些类基本上是字母表（A到Z）。但是，我希望输出像A = 1，B = 2 ... Z = 26。

现在，对于普通的python列表，我可以将它们转换为ord(c.lower()) - ord('a')) % 9) + 1

但是，如何在数据框中执行此操作

Answer 1

选项1
假设您的列仅具有单个大写字符，您可以对view进行一些算术运算：

df['class'] = df['class'].values.astype('<U1').view(np.uint32) - 64

df
           x1         x2  km  gmm  class
0  180.986313  -0.266379  24   19     20
1   52.201328  28.935879  16   14      9
2  -17.171274  29.970133  17   16      4
3   37.287109 -69.966911   3    6     14
4 -132.239578  27.025417  15   18      7
5  -12.528116 -87.909515  22    5     19

这是我能想到的大数据的最快方法。

如果您有可能存在不稳定的数据，您可以考虑这样的预处理步骤：

df['class'] = df['class'].str.upper().str[0]

选项2
ord

df['class'] = [ord(c) - 64 for c in df['class']]

或者，

df['class'] = df['class'].apply(ord) - 64

df
           x1         x2  km  gmm  class
0  180.986313  -0.266379  24   19     20
1   52.201328  28.935879  16   14      9
2  -17.171274  29.970133  17   16      4
3   37.287109 -69.966911   3    6     14
4 -132.239578  27.025417  15   18      7
5  -12.528116 -87.909515  22    5     19

Answer 2

此处string使用map

import string
df['class'].map(dict(zip(list(string.ascii_uppercase),list(range(1,27)))))
Out[1155]: 
0    20
1     9
2     4
3    14
4     7
5    19
Name: class, dtype: int64

pandas数据帧字符列为整数

2 个答案: