将字符串转换成

Question

尝试对医疗数据执行简单的线性分类。示例数据由所有字符串组成，大部分值都是 'yes', 'no' 格式，我希望将此数据转换为整数值 1 & 0 以便我可以进行一些统计分析。

以下是我的代码

import pandas as pd
from sklearn.cross_validation import train_test_split
from sklearn import preprocessing

df = pd.read_csv('sample-data.csv',encoding='utf-16', header=None, sep=',',names=['Temp','Occurrence','Lumbar-pain','Urine-pushing','Micturition-pains','Burning-of-urethra-swelling-of-urethra-outlet','Outcome1-Urinary-bladder','Outcome2-Nephritis-of-renal'])

Click here to view Sample-data.csv

我尝试在将 csv 数据移动到数据框后进行转换，尝试使用 map() 对特定列进行转换，但我希望对值为 'yes'、[= 的所有列执行此操作27=] 字符串。是否有任何一揽子方法可以直接将所有 'yes','no' 字符串转换为整数 1 和 0 而运行 read_csv

d = {'yes': 1, 'no': 0}
print df['Outcome1-Urinary-bladder'].map(d)

调查了 this solution，但不符合我的要求。

请帮助我，在此先感谢。

Answer 1

您可以使用.replace方法。

df = pd.DataFrame(np.random.choice(['yes', 'no'], size=(5,3)), columns=list('ABC'))
df

     A    B    C
0   no  yes   no
1   no  yes  yes
2  yes  yes   no
3  yes   no   no
4  yes  yes  yes


df.replace(['yes', 'no'], [1, 0])

   A  B  C
0  0  1  0
1  0  1  1
2  1  1  0
3  1  0  0
4  1  1  1

或者

pd.DataFrame(np.where(df=='yes', 1, 0), columns=df.columns, index=df.index)

这是矢量化 numpy 方法，比逐元素映射快得多。

Answer 2

还有一个选择，你可以使用sklearn imputer。处理空值，后面可以使用pandas

的get_dummy()方法

Scountry_imputer = preprocessing.Imputer(missing_values='NaN', strategy='mean', axis=0)

Data = pd.get_dummies(df['column_name'])

将字符串转换成

Converting strings into

python

csv

machine-learning

pandas

scikit-learn