Python：字符型变量astype('category').cat.codes 字典映射关系存储以及应用

最新推荐文章于 2023-12-29 20:15:49 发布
最新推荐文章于 2023-12-29 20:15:49 发布
阅读量7.3k 收藏 8
点赞数 3
CC 4.0 BY-SA版权
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_43288098/article/details/105429609
本文介绍了如何使用Python中的astype('category')方法将字符型变量转换为类别类型，并展示了如何存储和应用编码映射关系。通过示例数据展示了编码过程，以及如何利用转换后的字典进行数据操作。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

#字典映射关系
import pandas as pd
from sklearn import preprocessing

df = pd.DataFrame.from_dict({
   
   
    'pets': ['cat', 'dog', 'cat', 'monkey', 'dog', 'dog'],
    'owner': ['Champ', 'Ron', 'Brick', 'Champ', 'Veronica'
最低0.47元/天 解锁文章

200万优质内容无限畅学
chau.z
关注
Python数据分析NumPy和pandas（二十三、数据清洗与预处理之五：pandas的分类类型数据）
FreedomLeo1的博客
11-05 1343
当您使用统计或机器学习工具时，通常会将分类数据转换为虚拟变量，也称为独热编码。这涉及创建一个 DataFrame，其中包含每个不同类别的列；这些列包含给定类别的出现次数，出现一次为 1，否则为 0。使用pandas.get_dummies 函数将此一维分类数据转换为包含虚拟变量的 DataFrame
《利用python进行数据分析》读书笔记
老兵Coding
06-15 3302
《利用python进行数据分析》是一本利用python的Numpy、Pandas、Matplotlib库进行数据分析的基础介绍，非常适合初学者。 重要的python库 NumPy http://numpy.org Pandas http://pandas.pydata.org matplotlib http://matplotlib.org IPython 和 Jupyter http://ipython.org http://jupyter.org Scipy http://scipy.org sci
python中category是什么类型_python – 如何知道由astype(‘category’)指定...
weixin_39685392的博客
12-10 830
我有以下数据框称为语言lang level0 english intermediate1 spanish intermediate2 spanish basic3 english basic4 english advanced5 spanis...
【Python】data[item].astype(‘category’).cat.codes类别型变量映射到整数型
yuxeaotao的博客
06-14 2432
Category可以很好的节省在时间和空间的消耗。
关于astype(‘category‘).cat.codes查看原数据和其编码之后的值
weixin_62521191的博客
12-29 621
就是这样就可以了。
python astype(‘category‘), 编码和标签对应，categories 和 code 映射为字典
热门推荐
夏日麦香的博客
04-18 1万+
在一些机器学习算法中，经常要对数据进行编码转换，转换后需要查询标签和编码的对应关系，可以使用以下代码处理。 但是注意下面代码使用的是 astype(‘category’)，它和pd.Category(…)是不一样的，具体区别请参考文章https://www.jb51.cc/python/533189.html import pandas as pd # 创建数据集 df = pd.Data...
python 数据分析（六）astype('category')按类别分组 + 分组聚合操作 + 透视表 + 交叉表 + excel表的数据处理
langdei的博客
11-21 9836
文章目录一、按照类别单独分类astype()1. astype()用法二、时间操作1. 第一种：直接利用to_datetime()2. 第二种：Series.dt三、分组聚合操作1. 分组（1）groupby()方法2. 聚合（1）agg()方法① 使用方法1② 使用方法2③ 使用方法3④ 使用方法4（2）在分组的基础上进行聚合操作（3）apply()方法（4）transform()方法① 对于离...
import pandas as pd df = pd.read_csv(r'C:\Users\86182\Desktop\Python学习笔记\HR_comma_sep.csv') #读取文件 #print(df.columns) #print(df.describe()) #print(df.describe(include='O')) df['job'] = df['job'].astype('category') df['salary'] = df['salary'].astype('category') # 文本数值化处理 salary_dict = dict(enumerate(df['salary'].cat.categories)) department_dict = dict(enumerate(df['job'].cat.categories)) # 生成类别和数据对应在的映射字典 for feature in df.columns: if str(df[feature].dtype)=='category': df[feature] = df[feature].cat.codes df[feature] = df[feature].astype('int64') print(df.head())此代码运行后为何job列会变成数字
最新发布
07-23
注意：虽然我们使用了`astype('int64')`，但即使不使用，`cat.codes`返回的也是整数，这里可能是为了确保数据类型明确。 参考之前提到的category_encoders库[^1]和get_dummies方法[^2]，它们的目的也是将分类变量...
代码“# 定义目标变量：旅游消费等级（需先清洗） # 假设原始列名为'5、最近国内旅游人均花费:'，包含字符串如"500-2000元（标准型）" df['travel_spend'] = df['5、最近国内旅游人均花费:'].str.extract(r'(经济型|标准型|品质型|奢华型)')[0] # 编码目标变量 le = LabelEncoder() df['travel_spend_encoded'] = le.fit_transform(df['travel_spend'])custom_order = ['奢华型', '品质型', '标准型', '经济型'] # 2. 创建并配置LabelEncoder le = LabelEncoder() le.fit(custom_order) # 显式设置编码顺序 # 3. 验证数据中的类别是否合法 assert df['travel_spend'].isin(le.classes_).all(), "存在未定义的消费等级类别" # 4. 应用编码 df['travel_spend_encoded'] = le.transform(df['travel_spend']) # ------------------------------------------------ # 验证编码结果 print("编码映射关系:", dict(zip(le.classes_, le.transform(le.classes_)))) print(df[['travel_spend', 'travel_spend_encoded']].head()) ”，不对呀，品质和奢华反了，怎么办？
03-19
.astype('category') .cat.set_categories(custom_order, ordered=True) .cat.codes ) # 方法2：自定义映射（更直观） spend_mapping = {k:v for v,k in enumerate(custom_order)} df['travel_spend_encoded'] =...
python astype category_利用Python进行数据分析(11)-高阶应用category
weixin_35899510的博客
01-14 914
本文中介绍的是pandas的高阶应用-分类数据category​image分裂数据Categoricalimport pandas as pdimport numpy as npimport matplotlib.pyplot as plt使用背景和目标一个列中经常会包含重复值，这些重复值是一个小型的不同值的集合。unique()和value_counts()能够从数组中提取到不同的值并分别计算它...
python 数据分析（六）astype(‘category‘)按类别分组 + 分组聚合操作 + 透视表 + 交叉表 + excel表的数据处理一、按照类别单独分类astype()二、时间操作三、分组
marraybug的博客
07-06 5304
文章目录 一、按照类别单独分类astype() astype()用法 二、时间操作 第一种：直接利用to_datetime() 第二种：Series.dt 三、分组聚合操作 分组 （1）groupby()方法 聚合 （1）agg()方法
python astype category_python数据分布型图表
weixin_39642622的博客
11-27 271
数据分布图表系列正态分布(normal distribution)又称高斯分布(gaussian distribution)若随机变量X服从一个数学期望值，标准方差是高斯分布；正态分布的期望值决定了数据分布位置，其标准方差决定了分布的幅度；因其曲线呈钟形，也称为钟形曲线；绘制不同数据分布的分布类型图表四种不同分布的数据，每个类别的数据总数分布为100个，图n的数据服从正态分布的数据(no...
python astype category_数据分析之数据查询：SQL和Python的数据查询对比
weixin_39842744的博客
11-26 251
1 数据查询的工具数据分析过程中，少不了数据查询和数据清洗的工作，相关的工具有Excel、SQL、Python等。对于少量数据：Excel是图形化操作的办公软件，处理少量数据不成问题。处理方法是：使用工具栏的工具或函数，“查询”功能对应的是筛选，“匹配”功能对应的vlookup函数。对于大量数据：一般使用sql或python处理。sql是结构化查询语言，数据一般存储在数据库中，使用sql查询出来。...
机器学习之决策树算法：XGBoost、LightGBM和CatBoost
zhw864680355的博客
10-18 3275
参考原文： 从结构到性能，一文概述XGBoost、Light GBM和CatBoost的同与不同 决策树模型，XGBoost，LightGBM和CatBoost模型可视化 XGBoost、LightGBM和CatBoost 1、XGBoost XGBoost是陈天奇于2014年提出的一种算法，被称为GBM Killer。它用预排序算法+直方图算法为每一层的叶子找出最佳分裂，简而言之，就是...
使用python实战开发基于隐式反馈(点击，点赞，浏览，收藏，评论)的协同过滤的推荐系统(implicit库)
weixin_42608414的博客
05-19 7846
传统的协同过滤推荐系统一般基于是用户对商品的评分(如5星好评)，这些评分通常可以明确表达用户对商品的喜好,通过分析用户评分，协同过滤推荐算法可以为用户推荐他们可能喜好的其他商品。但是要收集用户评分有时候会非常的困难,大多数情况是我们无法收集到用户的评分，那如果没有用户评分我们还能开发推荐系统吗？其实也是可以的，除了“显示”的用户评分，还有一种“隐式”的用户对物品喜好的表达方式，如用户的点击，点赞，...
从结构到性能，一文概述XGBoost、Light GBM和CatBoost的同与不同
林夕
06-17 5697
尽管近年来神经网络复兴并大为流行，但是 boosting 算法在训练样本量有限、所需训练时间较短、 缺乏调参知识等场景依然有其不可或缺的优势。本文从算法结构差异、每个算法的分类变量时的处理、 算法在数据集上的实现等多个方面对 3 种代表性的 boosting 算法 CatBoost、Light GBM 和 XGBoost 进行了对比；虽然本文结论依据于特定的数据集，但通常...
pandas.DataFrame用法笔记
Vitamin Blog
06-06 407
未命名列重命名及删除 用索引给未命名的列重命名 data.rename(columns={ data.columns[0]: "delete" }, inplace=True) 删除该列 data.drop('delete',axis=1,inplace=True) 两个DataFrame的拼接 把y_num series 或者为df，添加到data上。 data=data.join(y...
入门 | 从结构到性能，一文概述XGBoost、Light GBM和CatBoost的同与不同
赵大宝的博客
03-19 4094
最近，我参加了 kaggle 竞赛 WIDS Datathon，并通过使用多种 boosting 算法，最终排名前十。从那时开始，我就对这些算法的内在工作原理非常好奇，包括调参及其优劣势，所以有了这篇文章。尽管最近几年神经网络复兴，并变得流行起来，但我还是更加关注 boosting 算法，因为在训练样本量有限、所需训练时间较短、缺乏调参知识的场景中，它们依然拥有绝对优势。 2014 年 3...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值