<\/p>\n
Voc\u00ea pode usar a seguinte sintaxe b\u00e1sica para converter uma vari\u00e1vel categ\u00f3rica em uma vari\u00e1vel num\u00e9rica em um DataFrame do pandas:<\/span><\/p>\n Voc\u00ea tamb\u00e9m pode usar a seguinte sintaxe para converter cada vari\u00e1vel categ\u00f3rica em um DataFrame em uma vari\u00e1vel num\u00e9rica:<\/span><\/p>\n Os exemplos a seguir mostram como usar essa sintaxe na pr\u00e1tica.<\/span><\/p>\n Suponha que temos o seguinte DataFrame do pandas:<\/span><\/p>\n Podemos usar a seguinte sintaxe para converter a coluna \u201cequipe\u201d em num\u00e9rica:<\/span><\/span><\/p>\n Veja como foi a convers\u00e3o:<\/span><\/p>\n Vamos supor novamente que temos o seguinte DataFrame do pandas:<\/span><\/p>\n Podemos usar a seguinte sintaxe para converter cada vari\u00e1vel categ\u00f3rica no DataFrame em uma vari\u00e1vel num\u00e9rica:<\/span><\/p>\n Observe que as duas colunas categ\u00f3ricas (equipe e posi\u00e7\u00e3o) foram convertidas em n\u00fameros, enquanto as colunas de pontos e rebotes permaneceram as mesmas.<\/span><\/p>\n Nota<\/strong> : Voc\u00ea pode encontrar a documenta\u00e7\u00e3o completa da fun\u00e7\u00e3o factorize()<\/strong> do pandas aqui<\/a> .<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras opera\u00e7\u00f5es comuns em pandas:<\/span><\/p>\n Como converter colunas Pandas DataFrame em strings<\/a> Voc\u00ea pode usar a seguinte sintaxe b\u00e1sica para converter uma vari\u00e1vel categ\u00f3rica em uma vari\u00e1vel num\u00e9rica em um DataFrame do pandas: df[‘ column_name ‘] = pd. factorize (df[‘ column_name ‘])[0] Voc\u00ea tamb\u00e9m pode usar a seguinte sintaxe para converter cada vari\u00e1vel categ\u00f3rica em um DataFrame em uma vari\u00e1vel num\u00e9rica: #identify all categorical variables cat_columns = […]<\/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":[],"class_list":["post-2374","post","type-post","status-publish","format-standard","hentry","category-guia"],"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 Exemplo 1: Converter uma vari\u00e1vel categ\u00f3rica em num\u00e9rica<\/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
Exemplo 2: Converter m\u00faltiplas vari\u00e1veis categ\u00f3ricas em valores num\u00e9ricos<\/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 Recursos adicionais<\/strong><\/span><\/h3>\n
Como converter colunas Pandas DataFrame em inteiros<\/a>
Como converter strings para flutuar no Pandas DataFrame<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"