在 Pandas 中将多个类别合二为一

Question

我有一个数据集，其中有一列包含类别。我想做的是将这些类别组合成新的类别。

我的数据集如下所示（类别列是一个字符串列），我有 160 个类别。

在我的示例中，仅显示了四个类别。

Category  
ZA-01
ZA-01
ZA-01
ZA-01
XA-01
XA-01
XA-01
XA-01
YA-01
YA-01
YA-01
YA-01
WA-01
WA-01
WA-01
WA-01

我想得到的是以下（数据框中行的原始顺序不变，这很重要）

Category     New_Category
ZA-01        A
ZA-01        A
ZA-01        A
ZA-01        A
XA-01        A
XA-01        A
XA-01        A
XA-01        A
YA-01        B
YA-01        B
YA-01        B
YA-01        B
WA-01        B
WA-01        B
WA-01        B
WA-01        B

最简单的方法是使用 if elif 语句，但如果您有 160 个类别，这是一项艰巨的任务，而且很容易出错。

我希望 Python 做的是使用 df.[['categories]].unique() 获取唯一类别，它保留数据框中类别的顺序，然后对 Python 说：group category one (ZA -01) 和两个 (XA-01) 组合成一个名为 A 的新类别，然后将类别三 (YA-01) 和类别四 (WA-01) 组合成一个名为 B 的新类别，以此类推。

在 Python 中有没有不使用 if elif 语句的方法？

---

-------------------编辑-----------

如果我有的话

Group    Category  
A        ZA-01
A        ZA-01
A        ZA-01
A        ZA-01
A        XA-01
A        XA-01
A        XA-01
A        XA-01
A        ZZ-12      
A        ZX-11      
B        YA-01
B        YA-01
B        YA-01
B        YA-01
B        WA-01
B        WA-01
B        WA-01
B        WA-01
B        ZZ-01      
B        ZZ-99      
B        ZZ-99      
B        AA-01 

我想在一个组中组合两个类别（所以在 A 中我想组合两个类别的组，在 B 中我想组合两个类别等等）。同样，我想保留原始数据框中的行顺序。

所以我想得到

Group    Category   New_Category
A        ZA-01      1
A        ZA-01      1
A        ZA-01      1
A        ZA-01      1
A        XA-01      1
A        XA-01      1
A        XA-01      1
A        XA-01      1
A        ZZ-12      2
A        ZX-11      2   
B        YA-01      3
B        YA-01      3
B        YA-01      3
B        YA-01      3
B        WA-01      3
B        WA-01      3
B        WA-01      3
B        WA-01      3
B        ZZ-01      4
B        ZZ-99      4
B        ZZ-99      4
B        AA-01      5

Answer 1

修改后的问题：

您不需要 groupby。只需将factorize 与Group 和Category 的元组一起使用

df['New_Category']= (pd.factorize(list(zip(df.Group, df.Category)))[0] // 2) + 1

Out[272]:
   Group Category  New_Category
0      A    ZA-01             1
1      A    ZA-01             1
2      A    ZA-01             1
3      A    ZA-01             1
4      A    XA-01             1
5      A    XA-01             1
6      A    XA-01             1
7      A    XA-01             1
8      A    ZZ-12             2
9      A    ZX-11             2
10     B    YA-01             3
11     B    YA-01             3
12     B    YA-01             3
13     B    YA-01             3
14     B    WA-01             3
15     B    WA-01             3
16     B    WA-01             3
17     B    WA-01             3
18     B    ZZ-01             4
19     B    ZZ-99             4
20     B    ZZ-99             4
21     B    AA-01             5

---

原创：

使用 pd.factorize 和 floor div 2

df['new_category'] = pd.factorize(df.Category)[0] // 2

Out[154]:
   Category  new_category
0     ZA-01             0
1     ZA-01             0
2     ZA-01             0
3     ZA-01             0
4     XA-01             0
5     XA-01             0
6     XA-01             0
7     XA-01             0
8     YA-01             1
9     YA-01             1
10    YA-01             1
11    YA-01             1
12    WA-01             1
13    WA-01             1
14    WA-01             1
15    WA-01             1

---

在上面有new_category 之后，如果您想映射到您的自定义类别，只需执行这些额外步骤

cats = np.array(['A', 'B'])
df['new_category'] = cats[df['new_category']]

Out[163]:
   Category new_category
0     ZA-01            A
1     ZA-01            A
2     ZA-01            A
3     ZA-01            A
4     XA-01            A
5     XA-01            A
6     XA-01            A
7     XA-01            A
8     YA-01            B
9     YA-01            B
10    YA-01            B
11    YA-01            B
12    WA-01            B
13    WA-01            B
14    WA-01            B
15    WA-01            B

---

添加@piRSquare 创建字母类别的方法

from string import ascii_uppercase
from itertools import product
import numpy as np

letters = [*ascii_uppercase]
leading = [''] + letters
cats = np.array([*map(''.join, product(*[leading] * 3, letters))])

或者

from string import ascii_uppercase
from itertools import product
cats = np.array([*map(''.join, product(['', *ascii_uppercase], ascii_uppercase))])
cats[df.Category.factorize()[0] // 2]

Out[13]:
array(['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B',
       'B', 'B', 'B'], dtype='<U2')

Answer 2

你可以照你说的用map：

cats = df.Category.unique()

# define new categories
# replace np.arange(len(cats)) with your category names
# e.g ['A','B']
new_cats = np.repeat(np.arange(len(cats)), 2)[:len(cats)]

s = pd.Series(new_cats, index=cats)
df['New_Cat'] = df['Category'].map(s)

输出：

   Category  New_Cat
0     ZA-01        0
1     ZA-01        0
2     ZA-01        0
3     ZA-01        0
4     XA-01        0
5     XA-01        0
6     XA-01        0
7     XA-01        0
8     YA-01        1
9     YA-01        1
10    YA-01        1
11    YA-01        1
12    WA-01        1
13    WA-01        1
14    WA-01        1
15    WA-01        1

---

详情：s是

ZA-01    0
XA-01    0
YA-01    1
WA-01    1
dtype: int32