Skip to main content
 首页 » 编程设计

python之用整数替换 pandas DataFrame 的字符串元素

2025年04月02日36dudu

我有一个 Pandas 数据框:

   x_axis  y_axis  data 
0  Cheese   farms     4 
1   wales  Cheese     3 

可以用下面的代码生成:

import pandas 
cols=['x_axis','y_axis','data'] 
row1=['Cheese','farms',4] 
row2=['wales','Cheese',3] 
data=pandas.DataFrame([row1,row2],columns=cols) 
print data 

实际上我拥有的数据要大得多,x 和 y 轴 是热图的标签。因为这些标签通常非常大,所以我想枚举它们并用索引替换它们(跨越 x 和 y 轴,即如果 cheese在 x 中是 1 它在 y 轴 中也是 1)。我还需要能够编写将新索引映射到其原始值的图例。

所需的输出可能如下所示:

  x_axis y_axis  data 
0      1      2     4 
1      3      1     3 

那么图例就是:

cheese=1 
farms=2 
wales=3 

任何人都可以给我一些关于如何以编程方式执行此操作的建议吗?

请您参考如下方法:

你需要categorical variables .

因为要转换多列的值,所以需要stack()成一个系列,然后调用astype:

>>> s = df.loc[:, ['x_axis', 'y_axis']].stack().astype('category') 
>>> s 
0  x_axis    Cheese 
   y_axis     farms 
1  x_axis     wales 
   y_axis    Cheese 
dtype: category 
Categories (3, object): [Cheese, farms, wales] 

s 现在是一个具有分类类型的系列:每个唯一的字符串都映射到一个整数。

如果您使用.cat 访问器,您可以获得每个分类变量的整数代码。使用 unstack() 会返回一个 DataFrame:

>>> s.cat.codes.unstack() 
   x_axis  y_axis 
0       0       1 
1       2       0 

这意味着您可以使用以下代码将这些整数列分配回原始列:

>>> df.loc[:, ['x_axis', 'y_axis']] = s.cat.codes.unstack() 
>>> df 
   x_axis  y_axis  data 
0       0       1     4 
1       2       0     3 

字符串到整数的映射由 s.cat.categories 以索引的形式给出(所以 'Cheese' = 0, 'farms' = 1, 'wales' = 2) :

>>> s.cat.categories 
Index(['Cheese', 'farms', 'wales'], dtype='object')