Comment convertir une variable catégorielle en numérique dans Pandas

Vous pouvez utiliser la syntaxe de base suivante pour convertir une variable catégorielle en variable numérique dans un DataFrame pandas :

df['column_name'] = pd.factorize(df['column_name'])[0]

Vous pouvez également utiliser la syntaxe suivante pour convertir chaque variable catégorielle d’un DataFrame en variable numérique :

#identify all categorical variables
cat_columns = df.select_dtypes(['object']).columns

#convert all categorical variables to numeric
df[cat_columns] = df[cat_columns].apply(lambda x: pd.factorize(x)[0])

Les exemples suivants montrent comment utiliser cette syntaxe dans la pratique.

Exemple 1 : convertir une variable catégorielle en numérique

Supposons que nous ayons le DataFrame pandas suivant :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'],
                   'position': ['G', 'G', 'F', 'G', 'F', 'C', 'G', 'F', 'C'],
                   'points': [5, 7, 7, 9, 12, 9, 9, 4, 13],
                   'rebounds': [11, 8, 10, 6, 6, 5, 9, 12, 10]})

#view DataFrame
df

        team	position points	rebounds
0	A	G	 5	11
1	A	G	 7	8
2	A	F	 7	10
3	B	G	 9	6
4	B	F	 12	6
5	B	C	 9	5
6	C	G	 9	9
7	C	F	 4	12
8	C	C	 13	10

Nous pouvons utiliser la syntaxe suivante pour convertir la colonne « équipe » en numérique :

#convert 'team' column to numeric
df['team'] = pd.factorize(df['team'])[0]

#view updated DataFrame
df

	team	position points	rebounds
0	0	G	 5	11
1	0	G	 7	8
2	0	F	 7	10
3	1	G	 9	6
4	1	F	 12	6
5	1	C	 9	5
6	2	G	 9	9
7	2	F	 4	12
8	2	C	 13	10

Voici comment la conversion s’est déroulée :

• Chaque équipe qui avait une valeur de « A » a été convertie en 0 .
• Chaque équipe qui avait une valeur de « B » a été convertie en 1 .
• Chaque équipe qui avait une valeur de « C » a été convertie en 2 .

Exemple 2 : convertir plusieurs variables catégorielles en valeurs numériques

Supposons encore une fois que nous ayons le DataFrame pandas suivant :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'],
                   'position': ['G', 'G', 'F', 'G', 'F', 'C', 'G', 'F', 'C'],
                   'points': [5, 7, 7, 9, 12, 9, 9, 4, 13],
                   'rebounds': [11, 8, 10, 6, 6, 5, 9, 12, 10]})

#view DataFrame
df

        team	position points	rebounds
0	A	G	 5	11
1	A	G	 7	8
2	A	F	 7	10
3	B	G	 9	6
4	B	F	 12	6
5	B	C	 9	5
6	C	G	 9	9
7	C	F	 4	12
8	C	C	 13	10

Nous pouvons utiliser la syntaxe suivante pour convertir chaque variable catégorielle du DataFrame en variable numérique :

#get all categorical columns
cat_columns = df.select_dtypes(['object']).columns

#convert all categorical columns to numeric
df[cat_columns] = df[cat_columns].apply(lambda x: pd.factorize(x)[0])

#view updated DataFrame
df

	team	position points	rebounds
0	0	0	 5	11
1	0	0	 7	8
2	0	1	 7	10
3	1	0	 9	6
4	1	1	 12	6
5	1	2	 9	5
6	2	0	 9	9
7	2	1	 4	12
8	2	2	 13	10

Notez que les deux colonnes catégorielles (équipe et position) ont toutes deux été converties en chiffres tandis que les colonnes de points et de rebonds sont restées les mêmes.

Remarque : Vous pouvez trouver la documentation complète de la fonction pandas factorize() ici .

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations courantes dans les pandas :

Comment convertir les colonnes Pandas DataFrame en chaînes
Comment convertir les colonnes Pandas DataFrame en nombre entier
Comment convertir des chaînes en flottant dans Pandas DataFrame