遍历 pandas 列以将 dtype 对象编码为分类值答案

【问题标题】：iterate over columns pandas to encode dtype object to categorical value遍历 pandas 列以将 dtype 对象编码为分类值
【发布时间】：2019-03-08 09:41:08
【问题描述】：

我有一个数据集，其中包含目前未编码的分类值。例如，我有一个名为 condition 的变量，它具有以下值： Very Excellent、Excellent、Very Good

我想对这些进行编码（给它们整数值），以便我可以将它们用作回归中的分类虚拟变量。但是，我的数据框中有很多这些，所以我想遍历每一列并对所有 dtype 对象进行编码。这是我的尝试：

import pandas as pd
from sklearn.preprocessing import LabelEncoder
enc=LabelEncoder()

for column in df_06:
    if df_06["column"].values==object:
        df_06["column"]=enc.fit_transform(df_06["column"])

我的数据框是

错误：

<ipython-input-48-ea6aec86108f> in <module>()
1 for column in df_06:
----> 2 if df_06[column].values==object:
3 df_06[column]=enc.fit_transform(df_06[column])
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

【问题讨论】：

有什么问题？它返回什么？
您是将它们编码为整数还是虚拟变量（又名 One-Hot-Encoding）？这是两种不同的技术。您给出的示例似乎是有序的，最好使用您自己的映射进行编码。例如{'Very Good': 0, 'Excellent': 1, 'Very Excellent': 2}。 LabelEncoder 不保证正确的顺序
我想将它们编码为假人。什么是无需手动进行映射的快速方法？
in () 1 for column in df_06: ----> 2 if df_06[column].values==object: 3 df_06[column ]=enc.fit_transform(df_06[column]) ValueError：具有多个元素的数组的真值不明确。使用 a.any() 或 a.all()

标签： python pandas loops scikit-learn encode

【解决方案1】：

那个for循环有很多错误。例如， pd["column"] 不会调用 value 列。此外，您正在尝试将整列与单个值“对象”（您在 cmets 中报告的错误）进行比较。

对于你的问题，你可以使用

 for column in df.select_dtypes(include=['whatever_type_you_want']):
    df[column], _ = pd.factorize(df[column])

select_dtypes 也可以接受 exclude 作为参数。

【讨论】：

谢谢。调用列的适当方式是什么？
@J.DF 你必须删除 "": df06[column]
谢谢。所以新的循环看起来像这样：for column in df_06: df_06[column].factorize
factorize 实际上返回两个值 (pandas.pydata.org/pandas-docs/stable/reference/api/…)，因此您必须执行以下操作：for column in df: df[column], _ = pd.factorize(df[column]) 这将单独对每一列进行编码，不确定是否适合您。
问题在于它也对整数值进行编码。这就是我使用 if df_06[column].values==object 的原因。另外，,_ 有什么作用？

【解决方案2】：

在编码之前，请确保您的列表示为category：

df_06[list_of_columns_to_encode].apply(lambda col: col.astype('category'))

现在如果你想one-hot编码，为什么不直接使用pd.get_dummies呢？
```
pd.get_dummies(df_06, columns=[list_of_columns_to_encode])
```
如果您想使用LabelEncoder，请尝试以下操作：
```
le = LabelEncoder()
df_06[list_of_columns_to_encode].apply(le.fit_transform)
```
如果您想了解更多关于如何使用相同的LabelEncoder 拟合字典来transform 未来数据，请参阅this 答案。

【讨论】：