<\/p>\n
Anda dapat menggunakan sintaks dasar berikut untuk mengonversi variabel kategorikal menjadi variabel numerik di pandas DataFrame:<\/span><\/p>\n Anda juga dapat menggunakan sintaks berikut untuk mengonversi setiap variabel kategori dalam DataFrame menjadi variabel numerik:<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/p>\n Misalkan kita memiliki panda DataFrame berikut:<\/span><\/p>\n Kita dapat menggunakan sintaks berikut untuk mengubah kolom \u201ctim\u201d menjadi numerik:<\/span><\/span><\/p>\n Begini cara konversinya:<\/span><\/p>\n Mari kita asumsikan lagi bahwa kita memiliki pandas DataFrame berikut:<\/span><\/p>\n Kita dapat menggunakan sintaks berikut untuk mengonversi setiap variabel kategori di DataFrame menjadi variabel numerik:<\/span><\/p>\n Perhatikan bahwa dua kolom kategori (tim dan posisi) keduanya telah dikonversi menjadi angka sedangkan kolom poin dan rebound tetap sama.<\/span><\/p>\n Catatan<\/strong> : Anda dapat menemukan dokumentasi lengkap fungsi pandas factorize()<\/strong> di sini<\/a> .<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan operasi umum lainnya di panda:<\/span><\/p>\n Cara mengonversi kolom Pandas DataFrame menjadi string<\/a> Anda dapat menggunakan sintaks dasar berikut untuk mengonversi variabel kategorikal menjadi variabel numerik di pandas DataFrame: df[‘ column_name ‘] = pd. factorize (df[‘ column_name ‘])[0] Anda juga dapat menggunakan sintaks berikut untuk mengonversi setiap variabel kategori dalam DataFrame menjadi variabel numerik: #identify all categorical variables cat_columns = df. select_dtypes ([‘ object ‘]). columns #convert all […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df[' column_name<\/span> '] = pd. factorize<\/span> (df[' column_name<\/span> '])[0]\n<\/strong><\/pre>\n #identify all categorical variables<\/span>\ncat_columns = df. select_dtypes<\/span> ([' object<\/span> ']). columns<\/span>\n\n#convert all categorical variables to numeric<\/span>\ndf[cat_columns] = df[cat_columns]. apply<\/span> ( lambda<\/span> x: pd.factorize<\/span> (x)[ 0<\/span> ])\n<\/b><\/pre>\n Contoh 1: Ubah Variabel Kategorikal menjadi Numerik<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'],\n ' position<\/span> ': ['G', 'G', 'F', 'G', 'F', 'C', 'G', 'F', 'C'],\n ' points<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4, 13],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12, 10]})\n\n#view DataFrame\ndf\n\n<\/span>team position<\/span> points rebounds\n0 A G<\/span> 5 11\n1 A G<\/span> 7 8\n2 A F<\/span> 7 10\n3 B G<\/span> 9 6\n4 B F<\/span> 12 6\n5 B C<\/span> 9 5\n6 C G<\/span> 9 9\n7 C F<\/span> 4 12\n8 C C<\/span> 13 10\n<\/span><\/span><\/span><\/span><\/strong><\/pre>\n #convert 'team' column to numeric\n<\/span>df[' team<\/span> '] = pd. factorize<\/span> (df[' team<\/span> '])[ 0<\/span> ]<\/span>\n\n#view updated DataFrame\ndf<\/span>\n\nteam position<\/span> points rebounds\n0 0 G<\/span> 5 11\n1 0 G<\/span> 7 8\n2 0 F<\/span> 7 10\n3 1 G<\/span> 9 6\n4 1 F<\/span> 12 6\n5 1 C<\/span> 9 5\n6 2 G<\/span> 9 9\n7 2 F<\/span> 4 12\n8 2 C<\/span> 13 10\n<\/span><\/span><\/strong><\/pre>\n\n
Contoh 2: Ubah Beberapa Variabel Kategorikal menjadi Nilai Numerik<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'],\n ' position<\/span> ': ['G', 'G', 'F', 'G', 'F', 'C', 'G', 'F', 'C'],\n ' points<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4, 13],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12, 10]})\n\n#view DataFrame\n<\/span>df\n\n team position points rebounds\n0 A G 5 11\n1 A G 7 8\n2 A F 7 10\n3 B G 9 6\n4 B F 12 6\n5 B C 9 5\n6 C G 9 9\n7 C F 4 12\n8 C C 13 10\n<\/span><\/span><\/strong><\/pre>\n #get all categorical columns\n<\/span>cat_columns = df. select_dtypes<\/span> ([' object<\/span> ']). columns<\/span>\n\n#convert all categorical columns to numeric\n<\/span>df[cat_columns] = df[cat_columns]. apply<\/span> ( lambda<\/span> x: pd.factorize<\/span> (x)[ 0<\/span> ])\n\n#view updated DataFrame\n<\/span>df\n\n\tteam position points rebounds\n0 0 0 5 11\n1 0 0 7 8\n2 0 1 7 10\n3 1 0 9 6\n4 1 1 12 6\n5 1 2 9 5\n6 2 0 9 9\n7 2 1 4 12\n8 2 2 13 10\n<\/strong><\/span><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara mengonversi kolom Pandas DataFrame menjadi bilangan bulat<\/a>
Cara mengonversi string menjadi float di Pandas DataFrame<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"