編碼列標籤在熊貓的機器學習

Question

我上車計算結果爲數據集中工作機器學習和數據集是這樣

buying,maint,doors,persons,lug_boot,safety,class 
vhigh,vhigh,2,2,small,low,unacc 
vhigh,vhigh,2,2,small,med,unacc 
vhigh,vhigh,2,2,small,high,unacc 
vhigh,vhigh,2,2,med,low,unacc 
vhigh,vhigh,2,2,med,med,unacc 
vhigh,vhigh,2,2,med,high,unacc 

我想這些字符串轉換爲唯一枚舉整數縱列。我看到pandas.factorize（）是要走的路，但它只能在一列上工作。如何用一個命令一次性分解數據幀。

我試過lambda函數，它不工作。

df.apply（拉姆達C：pd.factorize（c）中，軸= 1）

輸出：

0  ([0, 0, 1, 1, 2, 3, 4], [vhigh, 2, small, low,... 

    1  ([0, 0, 1, 1, 2, 3, 4], [vhigh, 2, small, med,... 

    2  ([0, 0, 1, 1, 2, 3, 4], [vhigh, 2, small, high... 

    3  ([0, 0, 1, 1, 2, 3, 4], [vhigh, 2, med, low, u... 

    4  ([0, 0, 1, 1, 2, 2, 3], [vhigh, 2, med, unacc]) 

    5  ([0, 0, 1, 1, 2, 3, 4], [vhigh, 2, med, high, ... 

我看到編碼值，但不能拔出了這一點從上面的陣列

Answer 1

因式分解返回（值，標籤）的元組。你只需要DataFrame中的值。

In [26]: cols = ['buying', 'maint', 'lug_boot', 'safety', 'class'] 

In [27]: df[cols].apply(lambda x: pd.factorize(x)[0]) 
Out[27]: 
    buying maint lug_boot safety class 
0  0  0   0  0  0 
1  0  0   0  1  0 
2  0  0   0  2  0 
3  0  0   1  0  0 
4  0  0   1  1  0 
5  0  0   1  2  0 

然後將其轉換爲數字數據。

儘管有一個警告：這意味着「低」安全和「高」安全距離「醫療」安全的距離相同。你可能會關閉使用pd.get_dummies更好：

In [37]: dummies = [] 

In [38]: for col in cols: 
    ....:  dummies.append(pd.get_dummies(df[col])) 
    ....:  

In [39]: pd.concat(dummies, axis=1) 
Out[39]: 
    vhigh vhigh med small high low med unacc 
0  1  1 0  1  0 1 0  1 
1  1  1 0  1  0 0 1  1 
2  1  1 0  1  1 0 0  1 
3  1  1 1  0  0 1 0  1 
4  1  1 1  0  0 0 1  1 
5  1  1 1  0  1 0 0  1 

get_dummies有一些可選參數來控制的命名，你可能會想。