Przekształć wiele kolumn jakościowych

10

W moim zestawie danych mam dwie kategoryczne kolumny, które chciałbym ponumerować. Obie kolumny zawierają kraje, niektóre pokrywają się (pojawiają się w obu kolumnach). Chciałbym podać ten sam numer w kolumnie 1 i kolumnie 2 dla tego samego kraju.

Moje dane wyglądają trochę jak:

import pandas as pd

d = {'col1': ['NL', 'BE', 'FR', 'BE'], 'col2': ['BE', 'NL', 'ES', 'ES']}
df = pd.DataFrame(data=d)
df

Obecnie przetwarzam dane takie jak:

from sklearn.preprocessing import LabelEncoder
df.apply(LabelEncoder().fit_transform)

Nie czyni to jednak rozróżnienia między FR i ES. Czy istnieje inny prosty sposób na uzyskanie następujących wyników?

o = {'col1': [2,0,1,0], 'col2': [0,2,4,4]}
output = pd.DataFrame(data=o)
output
Tox
źródło

Odpowiedzi:

8

Oto jeden sposób

df.stack().astype('category').cat.codes.unstack()
Out[190]: 
   col1  col2
0     3     0
1     0     3
2     2     1
3     0     1

Lub

s=df.stack()
s[:]=s.factorize()[0]
s.unstack()
Out[196]: 
   col1  col2
0     0     1
1     1     0
2     2     3
3     1     3
YOBEN_S
źródło
5

Możesz dopasować LabelEncoder () do unikalnych wartości w ramce danych, a następnie przekształcić.

le = LabelEncoder()
le.fit(pd.concat([df.col1, df.col2]).unique()) # or np.unique(df.values.reshape(-1,1))

df.apply(le.transform)
Out[28]: 
   col1  col2
0     3     0
1     0     3
2     2     1
3     0     1
Michael Gardner
źródło
2

np.uniquez return_invesere. Ale wtedy musisz zrekonstruować DataFrame.

pd.DataFrame(np.unique(df, return_inverse=True)[1].reshape(df.shape),
             index=df.index,
             columns=df.columns)

   col1  col2
0     3     0
1     0     3
2     2     1
3     0     1
ALollz
źródło