在熊猫数据框中将类转换为数字

Question

我正在做一个基于这个 Kaggle 数据集的项目：https://www.kaggle.com/rush4ratio/video-game-sales-with-ratings/data，我需要将数据放入 kNN 模型中，但是在当前状态下无法完成，因为我需要将字符串值转换为整数.

get_dummies 并不理想，因为数据集中有大量分类数据，并且会创建数千列。我正在寻找一种将字符串转换为数字表示的方法，例如：

Platform || Critic_Score || Publisher || Global_Sales
Wii      ||      73      ||  Nintendo ||  53
Wii      ||      86      ||  Nintendo ||  60
PC       ||      80      ||Activision ||  30
PS3      ||      74      ||Activision ||  35
Xbox360  ||      81      ||   2K      ||  38

我想变成这样：

Platform || Critic_Score || Publisher || Global_Sales
  1      ||      73      ||     1     ||  53
  1      ||      86      ||     1     ||  60
  2      ||      80      ||     2     ||  30
  3      ||      74      ||     2     ||  35
  4      ||      81      ||     3     ||  38

我正在使用 Python 3。

谢谢。

Answer 1

您可以使用标签编码器 [https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html]

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
le.fit(df['Platform'])
df['Platform']=le.transform(df['Platform'])
le.fit(df['Publisher'])
df['Publisher']=le.transform(df['Publisher'])
print(df)

这会将转换字符串转换为数字表示

Answer 2

我觉得你需要factorize:

df['Platform'] = pd.factorize(df['Platform'])[0] + 1
df['Publisher'] = pd.factorize(df['Publisher'])[0] + 1
print (df)
   Platform  Critic_Score  Publisher  Global_Sales
0         1            73          1            53
1         1            86          1            60
2         2            80          2            30
3         3            74          2            35
4         4            81          3            38

---

cols = ['Platform', 'Publisher']
df[cols] = df[cols].apply(lambda x: pd.factorize(x)[0] + 1)

print (df)
   Platform  Critic_Score  Publisher  Global_Sales
0         1            73          1            53
1         1            86          1            60
2         2            80          2            30
3         3            74          2            35
4         4            81          3            38