将特征添加到必须使用转换公式映射其分类值的“数字”数据集

【问题标题】：Add features to the “numeric” dataset whose categorical value must be mapped using a conversion formula将特征添加到必须使用转换公式映射其分类值的“数字”数据集
【发布时间】：2022-08-21 18:12:12
【问题描述】：

我有这个数据集：

这是请求： \"将 Mjob 和 Fjob 属性添加到必须使用您选择的转换公式映射其分类值的“数字”数据集。\"

有谁知道该怎么做？例如：如果 \'at_home\' 值在 Mjob 中变为 \'1\'，我希望在 Fjob 列中得到相同的结果。相同的分类值必须具有相同的整数值转换。

标签： python pandas numpy machine-learning scikit-learn

【解决方案1】：

您可以将map 函数与熊猫系列/列一起使用，将分类变量从字符串数据映射到数值数据。例如，使用以下 pandas 数据框：

data = np.array([
   ['at_home','teacher'],
   ['at_home','other'],
   ['at_home','other'],
   ['health', 'services']
])
df = pd.DataFrame(data=data, columns=['Mjob', 'Fjob'])

使用map 函数创建了两个新列

map_dict = {'at_home':1, 'teacher':2, 'other':3, 'health':4, 'services':5}
df['Mjob_numeric'] = df['Mjob'].map(map_dict)
df['Fjob_numeric'] = df['Fjob'].map(map_dict)

【讨论】：

工作，我做了一点改变来获取“数据”数组：dataset.Mjob.unique().tolist()。有了这个列表，我知道这些列中哪些是唯一值，并使用它们为地图函数创建字典。谢谢你。