我有一个数据集，其中的列包含类别。我想做的就是将这些类别合并为新类别。
我的数据集如下所示（类别列是字符串列），我有160个类别。
在我的示例下面，仅显示四个类别。
Category
ZA-01
ZA-01
ZA-01
ZA-01
XA-01
XA-01
XA-01
XA-01
YA-01
YA-01
YA-01
YA-01
WA-01
WA-01
WA-01
WA-01
我想要得到的是以下内容（数据框中行的原始顺序不变，这很重要）
Category New_Category
ZA-01 A
ZA-01 A
ZA-01 A
ZA-01 A
XA-01 A
XA-01 A
XA-01 A
XA-01 A
YA-01 B
YA-01 B
YA-01 B
YA-01 B
WA-01 B
WA-01 B
WA-01 B
WA-01 B
最简单的方法是使用if elif语句，但是如果您有160个类别，这是一项艰巨的任务，很容易出错。
我想Python要做的是使用df。[['categories]]。unique（）来获得唯一的类别，它保留了数据帧中类别的顺序，然后对Python说：group category one（ZA -01）和两个（XA-01）组合成一个新的名为A的类别，然后将类别3（YA-01）和四个（WA-01）组合成一个新的名为B的类别，等等。
在Python中有没有使用if elif语句的方法吗？
如果我有
Group Category
A ZA-01
A ZA-01
A ZA-01
A ZA-01
A XA-01
A XA-01
A XA-01
A XA-01
A ZZ-12
A ZX-11
B YA-01
B YA-01
B YA-01
B YA-01
B WA-01
B WA-01
B WA-01
B WA-01
B ZZ-01
B ZZ-99
B ZZ-99
B AA-01
我想在一个组中合并两个类别（所以在A中，我想合并两个类别的组，在B中，我想合并两个类别，依此类推）。同样，我想保留原始数据框中行的顺序。
所以我想得到
Group Category New_Category
A ZA-01 1
A ZA-01 1
A ZA-01 1
A ZA-01 1
A XA-01 1
A XA-01 1
A XA-01 1
A XA-01 1
A ZZ-12 2
A ZX-11 2
B YA-01 3
B YA-01 3
B YA-01 3
B YA-01 3
B WA-01 3
B WA-01 3
B WA-01 3
B WA-01 3
B ZZ-01 4
B ZZ-99 4
B ZZ-99 4
B AA-01 5
答案 0 :(得分：5)
针对修订后的问题：
您不需要groupby。只需将factorize与元组Group和Category
df['New_Category']= (pd.factorize(list(zip(df.Group, df.Category)))[0] // 2) + 1
Out[272]:
Group Category New_Category
0 A ZA-01 1
1 A ZA-01 1
2 A ZA-01 1
3 A ZA-01 1
4 A XA-01 1
5 A XA-01 1
6 A XA-01 1
7 A XA-01 1
8 A ZZ-12 2
9 A ZX-11 2
10 B YA-01 3
11 B YA-01 3
12 B YA-01 3
13 B YA-01 3
14 B WA-01 3
15 B WA-01 3
16 B WA-01 3
17 B WA-01 3
18 B ZZ-01 4
19 B ZZ-99 4
20 B ZZ-99 4
21 B AA-01 5
原始：
使用pd.factorize并指定第2格
df['new_category'] = pd.factorize(df.Category)[0] // 2
Out[154]:
Category new_category
0 ZA-01 0
1 ZA-01 0
2 ZA-01 0
3 ZA-01 0
4 XA-01 0
5 XA-01 0
6 XA-01 0
7 XA-01 0
8 YA-01 1
9 YA-01 1
10 YA-01 1
11 YA-01 1
12 WA-01 1
13 WA-01 1
14 WA-01 1
15 WA-01 1
上面有new_category之后，如果要映射到自定义类别，只需执行以下附加步骤
cats = np.array(['A', 'B'])
df['new_category'] = cats[df['new_category']]
Out[163]:
Category new_category
0 ZA-01 A
1 ZA-01 A
2 ZA-01 A
3 ZA-01 A
4 XA-01 A
5 XA-01 A
6 XA-01 A
7 XA-01 A
8 YA-01 B
9 YA-01 B
10 YA-01 B
11 YA-01 B
12 WA-01 B
13 WA-01 B
14 WA-01 B
15 WA-01 B
添加@piRSquare方法来创建字母类别
from string import ascii_uppercase
from itertools import product
import numpy as np
letters = [*ascii_uppercase]
leading = [''] + letters
cats = np.array([*map(''.join, product(*[leading] * 3, letters))])
或
from string import ascii_uppercase
from itertools import product
cats = np.array([*map(''.join, product(['', *ascii_uppercase], ascii_uppercase))])
cats[df.Category.factorize()[0] // 2]
Out[13]:
array(['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B',
'B', 'B', 'B'], dtype='<U2')
答案 1 :(得分：4)
您可以按照map的说明进行操作：
cats = df.Category.unique()
# define new categories
# replace np.arange(len(cats)) with your category names
# e.g ['A','B']
new_cats = np.repeat(np.arange(len(cats)), 2)[:len(cats)]
s = pd.Series(new_cats, index=cats)
df['New_Cat'] = df['Category'].map(s)
输出：
Category New_Cat
0 ZA-01 0
1 ZA-01 0
2 ZA-01 0
3 ZA-01 0
4 XA-01 0
5 XA-01 0
6 XA-01 0
7 XA-01 0
8 YA-01 1
9 YA-01 1
10 YA-01 1
11 YA-01 1
12 WA-01 1
13 WA-01 1
14 WA-01 1
15 WA-01 1
详细信息：s是
ZA-01 0
XA-01 0
YA-01 1
WA-01 1
dtype: int32