Question

这类似于scikit-learn中的LabelEncoder，但要求数字值分配按类别的频率顺序发生，即较高发生的类别被分配为最高/最低（取决于用例）编号。

例如如果变量可以采用频率为{p>的值[a, b, c]

a发生5次，b发生10次，c发生2次。然后，我希望替换为b=1，a=2和c=3。

Answer 1

请参见argsort：

df['Order'] = df['Frequency'].argsort() + 1
df

返回

  Category  Frequency  Order
0        a          5      3
1        b         10      1
2        c          2      2

Answer 2

如果您使用的是熊猫，则可以使用其map() method：

import pandas as pd
data = pd.DataFrame([['a'], ['b'], ['c']], columns=['category'])

print(data)

  category
0        a
1        b
2        c

mapping_dict = {'b':1, 'a':2, 'c':3}

print(data['category'].map(mapping_dict))

0    2
1    1
2    3

LabelEncoder使用一列中的np.unique to find the unique values来返回按字母顺序排序的值，因此您不能在其中使用自定义顺序。

Answer 3

如@Vivek Kumar所建议，我使用了地图功能，将已排序的列值的字典作为键，并将其位置作为值：

data.Category = data.Category.map(dict(zip(data.Category.value_counts().index, range(1, len(data.Category.value_counts().index)+1))))

看起来有点脏，将它分成几行会更好：

sorted_indices = data.Category.value_counts().index
data.Category = data.Category.map(dict(zip(sorted_indices, range(1, len(sorted_indices)+1))))

这是我最接近我的要求的位置。输出看起来像这样：

    Category
0          2
1          2
2          2
3          2
4          2
5          1
6          1
7          1
8          1
9          1
10         1
11         1
12         1
13         1
14         1
15         3
16         3

根据单行频率将分类变量转换为数字

3 个答案: