轉化列數據框大熊貓入序列

Question

我有數據並將其轉換成數據幀

d = [ 
    (1,70399,0.988375133622), 
    (1,33919,0.981573492596), 
    (1,62461,0.981426807114), 
    (579,1,0.983018778374), 
    (745,1,0.995580488899), 
    (834,1,0.980942505189) 
] 

df = pd.DataFrame(d, columns=['source', 'target', 'weight']) 

>>> df 
    source target weight 
0  1 70399 0.988375 
1  1 33919 0.981573 
2  1 62461 0.981427 
3  579  1 0.983019 
4  745  1 0.995580 
5  834  1 0.980943 

我需要轉換列源入序列，我一直在使用

df.source = (df.source.diff() != 0).cumsum() - 1 

嘗試，但我只是得到：

>>> df 
    source target weight 
0  0 70399 0.988375 
1  0 33919 0.981573 
2  0 62461 0.981427 
3  1  1 0.983019 
4  2  1 0.995580 
5  3  1 0.980943 

我需要變換值列的基於目標的數值源，理想的結果是：

>>> df 
    source target weight 
0  0 70399 0.988375 
1  0 33919 0.981573 
2  0 62461 0.981427 
3  1  0 0.983019 
4  2  0 0.995580 
5  3  0 0.980943 

值在源target變化匹配值，在source，value 1變化爲0，所以我需要改變targetvalue 1到0太

我怎麼能這樣做？也許任何人都可以幫助我:)

謝謝:)

Answer 1

是這樣的？

df['source_code'] = df.source.astype('category').cat.codes 

>>> df 
    source target weight source_code 
0  1 70399 0.988375   0 
1  1 33919 0.981573   0 
2  1 62461 0.981427   0 
3  579  1 0.983019   1 
4  745  1 0.995580   2 
5  834  1 0.980943   3 

Answer 2

您可以使用：

#remember original values 
source_old = df.source.copy() 

df.source = (df.source.diff() != 0).cumsum() - 1 

#series for maping 
ser = pd.Series(df.source.values, index=source_old).drop_duplicates() 
print (ser) 
source 
1  0 
579 1 
745 2 
834 3 
dtype: int32 

#map where values exists 
df.target = df.target.mask(df.target.isin(ser), df.target.map(ser)).astype(int) 

print (df) 
    source target weight 
0  0 70399 0.988375 
1  0 33919 0.981573 
2  0 62461 0.981427 
3  1  0 0.983019 
4  2  0 0.995580 
5  3  0 0.980943