将对象列转换为整数或浮点数

Question

我有一个看起来像这样的数据集......（这里的问题缩短了）。

DataFrame Name = ObjectIntTest

Most of the columns/labels are varios objects

标签 ISIN = 各种 ISIN，例如 IE00B3XXRP09、IE00BF553838、LU0950668870

要运行逻辑回归，我需要将各种 ISIN 转换为整数 （对于 ISIN IE00B3XXRP09 和 IE00BF553838，整数/浮点数必须始终相同）

我尝试了类似这些的各种方法，但我只得到错误：

ObjectIntTest['ISIN'] = ObjectIntTest.ISIN.astype(int) = ValueError: invalid literal for int() with base 10: 'IE00B3XXRP09'

ObjectIntTest['ISIN'] = ObjectIntTest['ISIN'].astype(float) = ValueError: could not convert string to float: 'IE00B3XXRP09'

ObjectIntTest['ISIN'] = ObjectIntTest['ISIN'].astype(str).astype(int) = ValueError: invalid literal for int() with base 10: 'IE00B3XXRP09'

ObjectIntTest = pd.to_numeric(ObjectIntTest['ISIN']) = ValueError: Unable to parse string "IE00B3XXRP09" at position 0

抱歉，我是 Python 和编程的新手，但需要找到使这些数据可用于逻辑回归的解决方案... 感谢您的帮助。

Answer 1

有两种方法可以解决这个问题：

1. 使用使用 Python 字典的键值映射将 int 映射到 string。

2. 使用单独的散列函数，例如 Python 的内置 hash。例如。

>>> hash('IE00B3XXRP09')
2571740993647531361

>>> type(hash('IE00B3XXRP09'))
<class 'int'>

Answer 2

ISIN 似乎是一个分类特征，因此用整数表示它（您可以对其进行比较和算术）可能会导致问题。

通常使用其中一种编码技术对分类值进行编码，最流行的是 One Hot Encoding 和 Label Encoding。标签编码将每个唯一的分类值映射到一个整数（考虑到我所说的，这并不是很好），而 One Hot 用 N 列替换您的分类列，每列包含值 [0, 1] 之一并代表可能的唯一分类值之一价值。您可能想阅读更多关于 here 的信息。

如果您的 ISIN 列中没有大量唯一值，One Hot 更适合。您可以在分类列上使用 pandas.get_dummies 来应用 One Hot 编码。