说我有以下数据框。
df = pd.DataFrame({'col1':[1,2,3,4,5], 'col2':list('abcab'), 'col3':list('ababb')})
我可以通过以下操作将分类数据转换为整数。
df['col2'] = df['col2'].astype('category')
df['col3'] = df['col3'].astype('category')
cat_columns = df.select_dtypes(['category']).columns
df[cat_columns] = df[cat_columns].apply(lambda x: x.cat.codes)
在此转换的最后,当我执行print(df.dtypes)时,我得到了
col1 int64
col2 int8
col3 int8
所有分类信息均丢失。我可以将类别到整数的映射保存在文件中吗?我希望以后能够以编程方式反转数据框上的转换。
编辑:我正在寻找一个可逆的过程。因此,这意味着将所有分类列的转换保存在实际文件中。在将来的某个时间,我想获取任何结果,这些列将仍然具有与原始数据框相同的名称,使用保存的信息进行逆变换,并根据分类数据获得结果。
答案 0 :(得分:1)
您可以使用几个嵌套的字典理解来双向存储所有类别列的映射。如果需要将它们存储在外部,则可以使用pickle
。
cat_cols = df.select_dtypes(['category']).columns
cat_to_code = {col: dict(zip(df[col], df[col].cat.codes)) \
for col in cat_cols}
# {'col2': {'a': 0, 'b': 1, 'c': 2}, 'col3': {'a': 0, 'b': 1}}
code_to_cat = {k: {v2: k2 for k2, v2 in v.items()} \
for k, v in cat_to_code.items()}
# {'col2': {0: 'a', 1: 'b', 2: 'c'}, 'col3': {0: 'a', 1: 'b'}}
df[cat_cols] = df[cat_cols].apply(lambda x: x.cat.codes)
请注意,本来就不可能进行双向注入映射,如果需要双向O(1)访问,则必须维护2个单独的映射。