我有一个名为language
的数据框
lang level
0 english intermediate
1 spanish intermediate
2 spanish basic
3 english basic
4 english advanced
5 spanish intermediate
6 spanish basic
7 spanish advanced
我使用
将每个变量分类为数字 language.lang.astype('category').cat.codes
和
language.level.astype('category').cat.codes
分别。获取以下数据框:
lang level
0 0 1
1 1 1
2 1 0
3 0 0
4 0 2
5 1 1
6 1 0
7 1 2
现在,我想知道是否有一种方法来获取哪个原始值对应于每个值。我想知道0
列中的lang
值对应于英语,依此类推。
有没有能让我取回这些信息的功能?
答案 0 :(得分:10)
您可以生成字典:
c = language.lang.astype('category')
d = dict(enumerate(c.cat.categories))
print (d)
{0: 'english', 1: 'spanish'}
因此,如有可能,map
:
language['code'] = language.lang.astype('category').cat.codes
language['level_back'] = language['code'].map(d)
print (language)
lang level code level_back
0 english intermediate 0 english
1 spanish intermediate 1 spanish
2 spanish basic 1 spanish
3 english basic 0 english
4 english advanced 0 english
5 spanish intermediate 1 spanish
6 spanish basic 1 spanish
7 spanish advanced 1 spanish
答案 1 :(得分:7)
您可以使用.cat.categories索引,如下所示:
df.lang.cat.categories[0]
输出:
'english'
答案 2 :(得分:1)
分类类型是分解的过程。意味着每个唯一值或类别都从0开始获得递增的整数值。
例如:
c = language.lang.astype('category')
您输入了密码
codes = c.cat.codes
和类别
cats = c.cat.categories
它旨在使您能够利用Numpy数组切片,并且可以通过以下方式访问标签或类别:
cats[codes]
Index(['english', 'spanish', 'spanish', 'english', 'english', 'spanish',
'spanish', 'spanish'],
dtype='object')
当您已经有了一个可以非常有效地查找它的结构时,就不需要构建字典来查找它。
再举一个例子,这就是我们可以使用pd.factorize
复制的方式
codes, cats = pd.factorize(language.lang)
print(cats, codes, cats[codes], sep='\n\n')
Index(['english', 'spanish'], dtype='object')
[0 1 1 0 0 1 1 1]
Index(['english', 'spanish', 'spanish', 'english', 'english', 'spanish',
'spanish', 'spanish'],
dtype='object')