利用 Pandas 进行分类数据编码的十种方式！

,在知乎上看到这样一个问题,,题主表示pandas用起来很乱，事实真的如此吗？本文就将先如何利用pandas来行数据转换/编码的十种方案，最后再回答这个问题。,其实这个操作在机器学习中十分常见，很多算法都需要我们对分类特征进行转换（编码），即根据某一列的值，新增（修改）一列。,为了方便理解，下面创建示例DataFrame,,让我们先来讨论连续型数据的转换，也就是根据Score列的值，来新增一列标签，即如果分数大于90，则标记为A，分数在80-90标记为B，以此类推。,首先当然是最简单，最笨的方法，自己写一个函数，并用循环遍历，那肯定就是一个def加一个for,这段代码，相信所有人都能看懂，简单好想但比较麻烦,,有没有更简单的办法呢？pandas当然提供了很多高效的操作的函数，继续往下看。,现在，可以使用map来干掉循环（虽然本质上也是循环）,结果是同样的,,如果还想简洁代码，可以使用自定义函数 + apply来干掉自定义函数,结果和上面是一致的，只不过这么写容易被打。,现在，让我们继续了解更高级的pandas函数，依旧是对 Score 进行编码，使用pd.cut，并指定划分的区间后，可以直接帮你分好组,,也可以直接使用labels参数来修改对应组的名称，是不是方便多了,,既然是和机器学习相关，sklearn肯定跑不掉，如果需要新增一列并判定成绩是否及格，就可以使用Binarizer函数，代码也是简洁好懂,,下面介绍更常见的，对文本数据进行转换打标签。例如新增一列，将性别男、女分别标记为0、1,首先介绍replace，但要注意的是，上面说过的自定义函数相关方法依旧是可行的,,上面是对性别操作，因为只有男女，所以可以手动指定0、1，但要是类别很多，也可以使用pd.value_counts()来自动指定标签，例如对Course Name列分组。,,额外强调的是，新增一列，一定要能够想到map。,,这个方法应该很多人不知道，这就属于上面提到的知乎问题，能实现的方法太多了,,同数值型一样，这种机器学习中的经典操作，sklearn一定有办法，使用LabelEncoder可以对分类数据进行编码,,一次性转换两列也是可以的,最后，再介绍一个小众但好用的pandas方法，我们需要注意到，在上面的方法中，自动生成的Course Name_Label列，虽然一个数据对应一个语言，因为避免写自定义函数或者字典，这样可以自动生成，所以大多是无序的。,如果我们希望它是有序的，也就是 Python 对应 0，Java对应1，除了自己指定，还有什么优雅的办法？这时可以使用factorize，它会根据出现顺序进行编码,,结合匿名函数，我们可以做到对多列进行有序编码转换,,至此，我要介绍的十种pandas数据编码的方法就分享完毕，代码拿走修改变量名就能用，关于这个问题如果你有更多的方法，可以在评论区进行留言～,现在回到文章开头的问题，如果你觉得pandas用起来很乱，说明你可能还未对pandas有一个全面且彻底的了解。,其实就像本文介绍数据编码转换一样，确实有很多方法可以实现显得很乱，但学习pandas的正确姿势就是应该把它当成字典来学，不必记住所有方法与细节，你只需知道有这么个函数能完成这样操作，需要用时能想到，想到再来查就行。