如何在 Pandas 中按顺序标记分类变量？答案

【问题标题】：How to label categorical variables in Pandas in order?如何在 Pandas 中按顺序标记分类变量？
【发布时间】：2019-06-04 20:24:21
【问题描述】：

我有一个 pandas 数据框，左边是以下分类变量，右边是它们的具体实现，

（为低分辨率道歉）。

对于统计回归，我想标记所有这些分类变量，例如，LotShape，Reg 变为 0，IR1 变为 1，IR2 2和IR33。我发现scikit-learn的LabelEncoder可以做job，但是有问题。其中一些分类变量是隐含的序数，0、1、... 需要分配给正确的标签，而LotShape 恰好在那里按顺序排列。

所以我的问题是，我如何以我指定的某种顺序有效地标记大量分类变量？

【问题讨论】：

标签： python pandas machine-learning scikit-learn data-cleaning

【解决方案1】：

为此可以使用基本的python函数list.index()。

以 Coolio2654 的回答为例：

x= ['GA','TA','SA','TA','GA','TA','SA']
orderlist = ['GA','TA','SA']

使用map函数：

list(map(lambda a: orderlist.index(a), x))

或列表理解：

[orderlist.index(a) for a in x]

上述每个的输出是：

[0, 1, 2, 1, 0, 1, 2]

上面可以放入一个可以为每个分类列调用的函数。

【讨论】：

【解决方案2】：

也许这会有所帮助。

x= ['GA','TA','SA','TA','GA','TA','SA']

import numpy as np
from sklearn.preprocessing import LabelEncoder
from sklearn.preprocessing.label import _encode
from sklearn.utils import column_or_1d
x = column_or_1d(x, warn=True)
classes_,encoded_values = _encode(x,uniques=np.array(['GA','TA','SA']),encode=True)
encoded_values, classes_

#(array([0, 1, 2, 1, 0, 1, 2]), ['GA', 'TA', 'SA'])

#comparing with labelencoder, which will sort the labels before encoding
le = LabelEncoder()

le.fit_transform(x),le.classes_

#
(array([0, 2, 1, 2, 0, 2, 1], dtype=int64),
 array(['GA', 'SA', 'TA'], dtype='<U2'))

【讨论】：

这最终成为了可行的平凡答案。我在这里看到的隐式解决方案是手动指定要在LabelEncoder 内转换的变量的顺序。