Pandas中类别型变量映射为数字或其它值

在机器学习中对于有序的类别型变量可以不采用onehot编码，直接使用有序数字代替即可，这个目的可以在pandas中使用map方法实现。

import pandas as pd

创建数据框

raw_data = {'first_name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'], 
        'last_name': ['Miller', 'Jacobson', 'Ali', 'Milner', 'Cooze'], 
        'age': [42, 52, 36, 24, 73], 
        'city': ['San Francisco', 'Baltimore', 'Miami', 'Douglas', 'Boston']}
df = pd.DataFrame(raw_data, columns = ['first_name', 'last_name', 'age', 'city'])
df

	first_name	last_name	age	city
0	Jason	Miller	42	San Francisco
1	Molly	Jacobson	52	Baltimore
2	Tina	Ali	36	Miami
3	Jake	Milner	24	Douglas
4	Amy	Cooze	73	Boston

在这里假定是有序的,将城市名映射为数字，当然也可是是其它字符中：

创建用于map的字典

city_to_state = { 'San Francisco' : 0, 
                  'Baltimore' : 1, 
                  'Miami' : 2, 
                  'Douglas' : 3, 
                  'Boston' : 4}

城市名map到洲名，保存到state变量中：

df['state'] = df['city'].map(city_to_state)
df

	first_name	last_name	age	city	state
0	Jason	Miller	42	San Francisco	0
1	Molly	Jacobson	52	Baltimore	1
2	Tina	Ali	36	Miami	2
3	Jake	Milner	24	Douglas	3
4	Amy	Cooze	73	Boston	4