Come convertire una variabile categoriale in numerica in pandas

È possibile utilizzare la seguente sintassi di base per convertire una variabile categoriale in una variabile numerica in un DataFrame panda:

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

Puoi anche utilizzare la seguente sintassi per convertire ciascuna variabile categoriale in un DataFrame in una variabile numerica:

 #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 ])

Gli esempi seguenti mostrano come utilizzare questa sintassi nella pratica.

Esempio 1: convertire una variabile categoriale in numerica

Supponiamo di avere i seguenti panda DataFrame:

 import pandas as pd

#createDataFrame
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

Possiamo usare la seguente sintassi per convertire la colonna “team” in numerica:

 #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

Ecco come è andata la conversione:

• Ogni squadra che aveva un valore di ” A ” è stata convertita in 0 .
• Ogni squadra che aveva un valore “ B ” è stata convertita in 1 .
• Ogni squadra che aveva un valore di ” C ” è stata convertita in 2 .

Esempio 2: convertire più variabili categoriali in valori numerici

Supponiamo ancora una volta di avere i seguenti DataFrame panda:

 import pandas as pd

#createDataFrame
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

Possiamo utilizzare la seguente sintassi per convertire ciascuna variabile categoriale nel DataFrame in una variabile numerica:

 #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

Da notare che le due colonne categoriali (squadra e posizione) sono state entrambe convertite in numeri mentre le colonne punti e rimbalzi sono rimaste le stesse.

Nota : puoi trovare la documentazione completa della funzione pandas factorize() qui .

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre operazioni comuni nei panda:

Come convertire le colonne Pandas DataFrame in stringhe
Come convertire le colonne Pandas DataFrame in numeri interi
Come convertire le stringhe in float in Pandas DataFrame