Como converter uma variável categórica em numérica no pandas

Você pode usar a seguinte sintaxe básica para converter uma variável categórica em uma variável numérica em um DataFrame do pandas:

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

Você também pode usar a seguinte sintaxe para converter cada variável categórica em um DataFrame em uma variável numérica:

 #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 ])

Os exemplos a seguir mostram como usar essa sintaxe na prática.

Exemplo 1: Converter uma variável categórica em numérica

Suponha que temos o seguinte DataFrame do pandas:

 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

Podemos usar a seguinte sintaxe para converter a coluna “equipe” em numérica:

 #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

Veja como foi a conversão:

• Cada equipe que teve valor “ A ” foi convertida para 0 .
• Cada equipe que tinha valor “ B ” foi convertida em 1 .
• Cada equipe que teve valor “ C ” foi convertida em 2 .

Exemplo 2: Converter múltiplas variáveis categóricas em valores numéricos

Vamos supor novamente que temos o seguinte DataFrame do pandas:

 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

Podemos usar a seguinte sintaxe para converter cada variável categórica no DataFrame em uma variável numérica:

 #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

Observe que as duas colunas categóricas (equipe e posição) foram convertidas em números, enquanto as colunas de pontos e rebotes permaneceram as mesmas.

Nota : Você pode encontrar a documentação completa da função factorize() do pandas aqui .

Recursos adicionais

Os tutoriais a seguir explicam como realizar outras operações comuns em pandas:

Como converter colunas Pandas DataFrame em strings
Como converter colunas Pandas DataFrame em inteiros
Como converter strings para flutuar no Pandas DataFrame