Am ehesten entspricht der Faktor-variable in Python Pandas

Diese Frage scheint von einem Jahr wieder da aber es ist noch offen, hier ist ein update. pandas wurde ein categorical "dtype" und es funktioniert sehr ähnlich wie factors im R. finden Sie in diesem link für weitere Informationen:

http://pandas-docs.github.io/pandas-docs-travis/categorical.html

Reproduktion ein Ausschnitt aus dem obigen link, der zeigt, wie man erstellen Sie eine "Faktor" - variable in pandas.

In [1]: s = Series(["a","b","c","a"], dtype="category")

In [2]: s
Out[2]: 
0    a
1    b
2    c
3    a
dtype: category
Categories (3, object): [a < b < c]

Wenn Sie schauen, um anzeigen einer kategorialen variable eine Zahl als R macht, Pandas implementiert eine Funktion, die Ihnen genau das: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.factorize.html

import pandas as pd

df = pd.read_csv('path_to_your_file')
df['new_factor'], _ = pd.factorize(df['old_categorical'], sort=True)

Diese Funktion gibt sowohl die aufgezählten mapping sowie eine Liste eindeutiger Werte. Wenn Sie nur das tut, variable, Zuweisung, Sie haben zu werfen letztere Weg wie oben.

Wenn Sie möchten, eine selbstentwickelte Lösung, die Sie verwenden können, eine Kombination von set und ein Wörterbuch in einer Funktion. Diese Methode ist etwas einfacher in der Anwendung über mehrere Spalten, aber Sie haben zu beachten, dass Keine, NaN, etc. wird ein als Kategorie, die in dieser Methode:

def factor(var):
    var_set = set(var)
    var_set = {x: y for x, y in [pair for pair in zip(var_set, range(len(var_set)))]}
    return [var_set[x] for x in var]


df['new_factor1'] = df['old_categorical1'].apply(factor)
df[['new_factor2', 'new_factor3']] = df[['old_categorical2', 'old_categorical3']].apply(factor)