Pandas 标签编码列，带有无效行值的默认标签

Question

对于数据框，我用一系列值替换了列中的一组项目，如下所示：df['borough_num'] = df['Borough'].replace(regex=['MANHATTAN', 'BROOKLYN', 'QUEENS', 'STATEN ISLAND','BRONX'], value=[1, 2, 3, 4,5])我想用值 0 替换 'Borough' 中所有其余元素的问题，我也需要使用正则表达式，因为有些看起来像数据，例如。07 BRONX，我也需要把它换成 5 而不是 0

Answer 1

我看到您想以某种强加的顺序执行类别编码。我会建议使用pd.Categorical带ordered=True：

df = pd.DataFrame({

    'Borough': ['QUEENS', 'BRONX', 'MANHATTAN', 'BROOKLYN', 'INVALID']})

df

     Borough

0     QUEENS

1      BRONX

2  MANHATTAN

3   BROOKLYN

4    INVALID

keys = ['MANHATTAN', 'BROOKLYN', 'QUEENS', 'STATEN ISLAND','BRONX']

df['borough_num'] = pd.Categorical(

    df['Borough'], categories=keys, ordered=True).codes+1

df

     Borough  borough_num

0     QUEENS            3

1      BRONX            5

2  MANHATTAN            1

3   BROOKLYN            2

4    INVALID            0

pd.Categorical 将无效字符串返回为 -1：

pd.Categorical(

         df['Borough'], categories=keys, ordered=True).codes      

array([ 2,  4,  0,  1, -1], dtype=int8)

这应该是很多比使用更快的replace，无论如何，但作为参考，你可以这样做与replace和词典：

from collections import defaultdict

d = defaultdict(int)

d.update(dict(zip(keys, range(len(keys)))))

df['borough_num'] = df['Borough'].map(d)

df

     Borough  borough_num

0     QUEENS            2

1      BRONX            4

2  MANHATTAN            0

3   BROOKLYN            1

4    INVALID            0

Answer 2

要将所有其他值替换为 0，您可以执行以下操作：

# create maps

new_values = ['MANHATTAN', 'BROOKLYN', 'QUEENS', 'STATEN ISLAND','BRONX']

maps = dict(zip(new_values, [1]*len(new_values)))

# map the values

df['borough_num'] = df['Borough'].apply(lambda x: maps.get(x, 0))

Answer 3

冷使用mapwith 的数据fillna，所有不在 map 中的值dict都会返回NaN，那么我们只需fillna

df.Borough.map(dict(zip(['QUEENS', 'BRONX'],[1,2]))).fillna(0).astype(int)

0    1

1    2

2    2

3    0

Name: Borough, dtype: int32