替换由整数、浮点数和分类字符串组成的单列中的字符串（类别） - Pandas答案

【问题标题】：Replacing strings (categories) in a single column that consists of integers, floats and categorical strings - Pandas替换由整数、浮点数和分类字符串组成的单列中的字符串（类别） - Pandas
【发布时间】：2018-10-24 19:55:02
【问题描述】：

我有一个 Pandas 列，其中主要包含整数、一些浮点数和一些字符串，如“是”、“否”和一些其他字符串。我可以用什么替换这些字符串？由于该列不是完全分类的，因此我无法进行一般的热编码或类似操作。这种情况下的最佳做法是什么？

更新：由于某种原因，此列的外观并不明显，因此这里是一个示例：

column_name
   1000
    45
    3.0
    yes
    no
    340.0
     p
     k
     4
     .
     .
     .

数据是完全组成的，我唯一需要知道在列中处理此类字符串的最佳实践是什么。

【问题讨论】：

如果您能提供更多上下文，将会很有帮助！你想做什么？它是什么样的数据？您能否提供数据的示例/视图？
这个问题再清楚不过了，但我添加了一个更新。
你想用这个实现什么？如果你愿意，你可以将字符串转换为数字，如果这有意义的话，比如“是”可以是 1，“否”是 0，但显然这不是熊猫问题，而是数据问题：字符串是什么意思？你想对输出做什么？如果您说的是 NLP 类型的东西，那么您需要使用 Word2Vec 之类的东西将字符串编码为向量。对于像“是/否”这样的简单字符串映射，二进制映射 1/0 听起来非常好。对于其他字符串，好吧，如果没有上下文的含义，很难提供帮助。
我提出的get_dummies函数是一种通用的方法，可以将分类数据转换为用于ML类型任务的数字。

标签： python-3.x pandas data-science

【解决方案1】：

要映射分类数据，您需要使用

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.get_dummies.html

示例：

import pandas as pd
df = pd.DataFrame({'A':[1,2,3,4], 'B': ['a', 'b', 'c', 'd'], 'C': [1,'e', 'f', 3]})

# all strings:
pd.get_dummies(df['B'])

    a   b   c   d
0   1   0   0   0
1   0   1   0   0
2   0   0   1   0
3   0   0   0   1

# mixed types:
pd.get_dummies(df['C'])


    1   3   e   f
0   1   0   0   0
1   0   0   1   0
2   0   0   0   1
3   0   1   0   0

【讨论】：

是的，当列只是分类但不是当它混合了整数和字符串值时？如果我想在字符串上做 get_dummies，不知道该怎么做或者是否可能。
只在该列上得到假人。合并到您的 df 中，并删除原始的 colmn
但是在那种情况下，所有的数字也会被转换成假人吗？我不想转换数字，只转换字符串。
如果同一列中有数字和字符串，那么该列中的数字也是字符串。 dtype 用于整个列。如果您有带参数的列和带数字的列，请仅在字符串列上应用 get_dummies。
这意味着在这种情况下我不能使用 get_dummies 我猜因为整个列都是对象。我应该用不同的数字手动替换字符串，还是在这种情况下我还能做些什么？