python中的因式分解

【问题标题】：Factorize in pythonpython中的因式分解
【发布时间】：2019-10-23 11:21:38
【问题描述】：

我记得在 R 中我使用了.factor（我相信它们是带有级别的因子）但在 python 中我不知道该怎么做。

它使用了 get_dummies，但是当训练数据集包含测试没有的值时会出现问题，因此生成的列比 ML 算法不接受的多。

我需要转换以下列：

train.head(5)

    Id  MSSubClass  MSZoning
     1      60         RL
     2      53         RR
     3      49         RL
     4      60         RL
     5      95         RR
     6      16         RR
     6      16         R1

我需要离开 train.MSZoning 如下：

谢谢。

【问题讨论】：

标签： python r machine-learning

【解决方案1】：

您可以使用pd.Categorical。以下是一个最小的可重现示例

import pandas as pd 
data = [[1, 60, 'RL'], [2, 53, 'RR'], [3, 49, 'RL'], [4, 60, 'RL'], [5, 95, 'RR']] 
df = pd.DataFrame(data, columns = ['Id', 'MSSubClass', 'MSZoning']) 

df['MSZoning_factor'] = pd.Categorical(df.MSZoning).codes + 1
df
#   Id  MSSubClass MSZoning  MSZoning_factor
#0   1          60       RL                1
#1   2          53       RR                2
#2   3          49       RL                1
#3   4          60       RL                1
#4   5          95       RR                2

或pd.factorize

df['MSZoning_factor'] = pd.factorize(df.MSZoning)[0] + 1

给出相同的结果。

【讨论】：