替换熊猫数据框的唯一值

Question

您好，我是 python 和 pandas 的新手。

我已经使用 pandas 提取了其中一列的唯一值。 现在在获取列的唯一值之后，它们是字符串。

['Others, Senior Management-Finance, Senior Management-Sales'
  'Consulting, Strategic planning, Senior Management-Finance'
  'Client Servicing, Quality Control - Product/ Process, Strategic       
   planning'
  'Administration/ Facilities, Business Analytics, Client Servicing'
  'Sales & Marketing, Sales/ Business Development/ Account Management,    
  Sales Support']

我想用唯一的整数值替换字符串值。

为简单起见，我可以为您提供虚拟输入和输出。

输入：

Col1
  A
  A
  B
  B
  B
  C
  C

唯一的df值如下

[ 'A' 'B' 'C' ]

替换后的列应该是这样的

Col1
  1
  1
  2
  2
  2
  3
  3

请建议我如何使用循环或任何其他方式来做到这一点，因为我有多个 300 唯一值。

Answer 1

使用factorize:

df['Col1'] = pd.factorize(df.Col1)[0] + 1
print (df)
   Col1
0     1
1     1
2     2
3     2
4     2
5     3
6     3

Factorizing values.

另一个numpy.unique 解决方案，但在巨大的dataframe 中速度较慢：

_,idx = np.unique(df['Col1'],return_inverse=True) 
df['Col1'] = idx + 1
print (df)
   Col1
0     1
1     1
2     2
3     2
4     2
5     3
6     3

最后你可以将值转换为categorical - 主要是因为更少memory usage：

df['Col1'] = pd.factorize(df.Col1)[0]
df['Col1'] = df['Col1'].astype("category")
print (df)
  Col1
0    0
1    0
2    1
3    1
4    1
5    2
6    2

print (df.dtypes)
Col1    category
dtype: object