基数为 10 'Washington' 的 int() 文字无效

Question

我正在研究一个有 35 列和 3047 行的基础。其中一列是“州”，它由美国的 50 个州组成，我想将这些州转换为数值，例如华盛顿是 1，西弗吉尼亚是 2，等等。

df.loc[df['State']=='Washington','State']=1
df.loc[df['State']=='West Virginia','State']=2
.
.
df.loc[df['State']=='Arizona','State']=50
df['State']=df['State'].astype(str).astype(int)

我收到此错误：ValueError: int() 的无效文字，基数为 10:'Washington'。 谁能帮我？我能做些什么来解决这个问题？你知道在 int 中转换 dtype 对象的其他方法吗？ 提前致谢

Answer 1

假设你有这样的数据框：

           State
0     Washington
1  West Virginia
2        Arizona
3     Washington

然后你可以使用pd.Categorical()将其转换为代码：

df["State"] = pd.Categorical(df["State"]).codes + 1
print(df)

打印：

   State
0      2
1      3
2      1
3      2