如何根据python中另一个变量的事件率将分类变量重新编码为序数？答案

【问题标题】：how to recode the categorical variable to ordinal based on the event rate of another variable in python?如何根据python中另一个变量的事件率将分类变量重新编码为序数？
【发布时间】：2016-05-30 00:23:48
【问题描述】：

我在 python 中有一个包含许多分类变量的数据框，目标变量是二进制的。我想根据变量的每个类别上的目标变量事件率（与目标变量的平均值相同）的等级将分类变量转换为序数。例如，如果下面是我的原始数据集

对于 column1 上的每个类别，也就是“A”和“B”，我们有：

对于第 2 列中的每个类别，即“C”、“D”、“E”、“F”、“G”，我们有：

所以我希望能够像这样创建最终数据集：

我怎样才能创建一个这样的？

谢谢！！！！

【问题讨论】：

标签： python pandas data-manipulation categorical-data

【解决方案1】：

你想做的是transform。让我们看看以下...

col1 col2  target
0    A    D       1
1    A    A       0
2    A    E       0
3    B    A       0
4    A    C       0
5    A    D       1
6    B    E       0
7    A    C       0
8    B    C       0
9    B    B       0

您可以使用groupby 进行转换：

df.groupby('col1').transform(np.mean)

     target
0  0.333333
1  0.333333
2  0.333333
3  0.000000
4  0.333333
5  0.333333
6  0.000000
7  0.333333
8  0.000000
9  0.000000

现在，你只需要变换的系列信息...

df.groupby('col1').transform(np.mean)['target']
0    0.333333
1    0.333333
2    0.333333
3    0.000000
4    0.333333
5    0.333333
6    0.000000
7    0.333333
8    0.000000
9    0.000000

pd.Series 可以通过几种不同的方式转换为因子。一种方法是使用pd.factorize()。

pd.factorize(df.groupby('col1').transform(np.mean)['target'])
(array([0, 0, 0, 1, 0, 0, 1, 0, 1, 1]),
 Float64Index([0.333333333333, 0.0], dtype='float64'))

您只在其中寻找因子值：

pd.factorize(df.groupby('col1').transform(np.mean)['target'])[0]
array([0, 0, 0, 1, 0, 0, 1, 0, 1, 1])

现在，只需为其指定您选择的列名:)。

希望这会有所帮助...

【讨论】：

【解决方案2】：

只需计算每个grouped 类别值的mean，rank 结果和map 类别值。示例数据：

import string
abc = string.ascii_uppercase
df = pd.DataFrame({'target': np.random.randint(low=0, high=2, size=10), 'col1': np.random.choice(list(abc[:2]), size=10), 'col2': np.random.choice(list(abc[:5]), size=10)})

  col1 col2  target
0    B    B       0
1    A    E       0
2    B    A       1
3    B    E       1
4    A    A       0
5    A    E       0
6    B    D       1
7    A    E       0
8    A    E       1
9    B    B       0

按照上述代码生成两列：

for col in ['col1', 'col2']:
    df[col] = df.loc[:, col].map(df.groupby(col).target.mean().rank().astype(int))

   col1  col2  target
0     2     1       0
1     1     2       0
2     2     3       1
3     2     2       1
4     1     3       0
5     1     2       0
6     2     4       1
7     1     2       0
8     1     2       1
9     2     1       0

【讨论】：