Hoe een categorische variabele naar numeriek te converteren in pandas

U kunt de volgende basissyntaxis gebruiken om een categorische variabele naar een numerieke variabele in een Panda DataFrame te converteren:

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

U kunt ook de volgende syntaxis gebruiken om elke categorische variabele in een DataFrame naar een numerieke variabele te converteren:

 #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 ])

De volgende voorbeelden laten zien hoe u deze syntaxis in de praktijk kunt gebruiken.

Voorbeeld 1: Converteer een categorische variabele naar numeriek

Stel dat we de volgende panda’s DataFrame hebben:

 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

We kunnen de volgende syntaxis gebruiken om de kolom ‘team’ naar numeriek te converteren:

 #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

Zo ging de conversie:

• Elk team met de waarde “ A “ werd omgezet naar 0 .
• Elk team met de waarde “ B ” werd omgezet in een 1 .
• Elk team met de waarde “ C ” werd omgezet in een 2 .

Voorbeeld 2: Converteer meerdere categorische variabelen naar numerieke waarden

Laten we opnieuw aannemen dat we de volgende panda’s DataFrame hebben:

 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

We kunnen de volgende syntaxis gebruiken om elke categorische variabele in het DataFrame naar een numerieke variabele te converteren:

 #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

Merk op dat de twee categorische kolommen (team en positie) beide zijn omgezet in cijfers, terwijl de kolommen punten en rebounds hetzelfde zijn gebleven.

Opmerking : u kunt de volledige documentatie van de pandas factorize() -functie hier vinden.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:

Hoe Pandas DataFrame-kolommen naar strings te converteren
Hoe Pandas DataFrame-kolommen naar geheel getal worden geconverteerd
Hoe tekenreeksen te converteren naar zwevend in Pandas DataFrame