如何在数据框python3的每一列中将字符串映射到数字ID答案

【问题标题】：how to mapping string to numerical ID in each column of dataframe python3如何在数据框python3的每一列中将字符串映射到数字ID
【发布时间】：2020-02-16 20:52:42
【问题描述】：

我有一个数据框：

import pandas as pd
d = {'user': ['bob','alice','bob'], 'item': 
['apple','coconut','pear']}
df = pd.DataFrame(data=d)




    user    item
0   bob     apple 
1   alice   coconut 
2   bob     pear

我的目标是将每列中的每个字符串映射到递增的 ID（从 0 开始）

    user    item
0   0       0
1   1       1
2   0       2

例如，对于列user，[bob, alice] 将映射到[0,1]。目标是为数据帧节省内存。

此外，是否可以指定要映射的列？例如，仅映射user 列。谢谢

【问题讨论】：

检查这个：stackoverflow.com/a/58161742/11409321

标签： python string dataframe mapping

【解决方案1】：

你可以试试这个：

import pandas as pd
d = {'user': ['bob','alice','bob'], 'item': 
['apple','coconut','pear']}
df = pd.DataFrame(data=d)
col_user = df['user'].unique()
col_item = df['item'].unique()
d_user = pd.Series(range(len(col_user)), index = col_user).to_dict()
d_item = pd.Series(range(len(col_item)), index = col_item).to_dict()
df = df.replace({'user': d_user, 'item': d_item}) 
df

【讨论】：

酷，可以跳过构建d_user 和d_item 以节省内存吗？因为我的user 很大。
@jason 我已经编辑了答案。应该这样做。

【解决方案2】：

您可以使用.groupby() 和.ngroup() 的组合将每列中的名称替换为唯一编号。

df['user'] = df.groupby(['user']).ngroup()
df['item'] = df.groupby(['item']).ngroup()

【讨论】：

【解决方案3】：

你应该先建立一个从用户到整数的映射，然后用 Pandas 内置的 pandas.Series.map 进行替换：

import pandas as pd

d = {'user': ['bob','alice','bob'],
     'item': ['apple','coconut','pear']}
df = pd.DataFrame(data = d)

unique_users = df.user.unique()
user_map = {u: i for i, u in enumerate(unique_users)}
df.user = df.user.map(user_map)

【讨论】：

【解决方案4】：

SKLearn 有一个库可以对熊猫系列进行变换和逆变换

>>> from sklearn.preprocessing import LabelEncoder
>>> import pandas as pd
>>> import numpy as np
>>>
>>> df = pd.DataFrame(data = {
... 'user': ['bob','alice','bob'], 'item': ['apple','coconut','pear']
... })
>>>
>>> le = LabelEncoder()
>>> le.fit_transform(df["user"])
array([1, 0, 1])
>>> le.inverse_transform(np.array([1,0,1]))
array(['bob', 'alice', 'bob'], dtype=object)

【讨论】：

在这种情况下添加一个新库是一种解决方案吗？