Question

我最初有一个类似的数据框

datax = {'col1' : [['apple','pear','peach'],['kiwi','pear','apple','watermelon']]}
db = pd.DataFrame(columns = ['col1'], data = datax))

“ col1”列的每一行都是一个字符串列表，并且字符串的每个元素都应该是一个类别。我想做的是创建一个包含不同行中所有类别的类别对象，然后将分类转换应用于每行。我设法用这种方式创建了一个包含来自不同行的所有单词的字典：

categ = []
for lst in db['col1']:
    for term in lst:
        if term not in categ:
            categ.append(term)
categ = pd.Series(categ, dtype = 'category')

但是我认为这不是达到目标的Python方式。此外，我不知道如何用键替换行内的字符串（也是我字典中的值）。

是否有更好的方法来提取和映射类别？

基本上，我需要做的是

>>db['col1']
   [['apple','pear','peach'],
   ['kiwi','pear','apple','watermelon']]

我想联系的是：

>>db['col1']
   [[0,1,2],
   [3,1,0,4]]

请注意，由于我希望可以反转操作并重新创建原始列，因此我尝试使用字典。我的行数多于2行，因此无法列举所有可能的情况。

Answer 1

好的，因此您可以使用，解释将添加为注释：

import itertools
a=list(itertools.chain.from_iterable(db.col1)) #flatten the lists
d=dict(zip(a,pd.factorize(a)[0])) #create a dictionary mapping

#output->{'apple': 0, 'pear': 1, 'peach': 2, 'kiwi': 3, 'watermelon': 4}
#next line replaces the value of list with value of dictionary d

db.col1.apply(lambda x: [sum(int(d[k]) for k in y.split()) for y in x])

输出

0       [0, 1, 2]
1    [3, 1, 0, 4]

来自不同列表的同一类别

1 个答案: