如何标记唯一值？

Question

我的数据集包含 48000 行作为输入文本和答案。答案有 89 个唯一值。我如何从文本答案标签中做出答案，例如 1 个唯一值等于 answer1，第二个等于 answer2，依此类推，直到答案 89。

---

> x               y                y_val
> hello     please push button 1   answer1
> what's up please push button 1   answer1
> be cool   please push button 1   answer1
>smth       please push button 1   answer1
>write num  please push button 1   answer1 
>hello      please push button 1   answer1
>what's up  please push button 1   answer1
>be cool        sure               answer2
>smth       sure                   answer2
>write num  sure                   answer2
>hello      sure                   answer2
> what's up perfect                answer3
> be cool   perfect                answer3
>smth       call me                answer89
>write num  call me                answer89

================================================ ==========================

我想更改“请按按钮 1”将变为 answer1，“确定”变为 answer2。我有 89 个唯一值，因此我需要将它们全部更改为 y_values 变为仅包含 answer1-answer89 的列。

Answer 1

我有点困惑，您是否只想在数据框中附加一个重新编码的列，将您的“y”列值标记为 answer1-answer89？

如果是，此代码将为您执行此操作：

seen = set()
y_val = []
x = list(range(1,50))

for i in range(len(data)):
    if any((str(data.iloc[i,1]) == y) for y in seen):
        y_val.append(y_val[-1])
    else:
        y_val.append('answer'+str(x[0]))
        seen.add(str(data.iloc[i,1]))
        x.pop(0)

data['y_values'] = y_val
print(data)

这种方式假设数据按字母顺序按“y”列排序，并且您可以按照该排序进行重新编码。只需将“数据”替换为您的熊猫数据集的名称，并确保 iloc 对您的列是正确的。我确信有一种更有效或 Pythonic 的方法可以做到这一点，但这是我想出来的。

希望这有帮助！