Pandas根据列中的值将字符串映射为整数

Question

我有一个包含两列的数据框：

state  total_sales
AL      16714
AR      6498
AZ      107296
CA      33717

现在我想将状态列中的字符串映射为从1到N（其中N是行数，这里是4），基于total_sales值的增序。结果应存储在另一列中（称为标签）。也就是说，要得到如下所示的结果：

state  total_sales label
AL      16714         3
AR      6498          4
AZ      107296        1
CA      33717         2

请提供一个向量化实现的建议。

- Vijay P R

---

请展示一些你的努力。 - ZdaR

@ZdaR：用for循环实现了它，但是读到说不建议在数据框中使用循环。 - Vijay P R

Answer 1

你可以使用 rank 函数并转换为整数类型：int。

df['label'] = df['total_sales'].rank(method='dense', ascending=False).astype(int)
print (df)
  state  total_sales  label
0    AL        16714      3
1    AR         6498      4
2    AZ       107296      1
3    CA        33717      2

- jezrael

Answer 2

将一列值转换为整数的一个选项是使用 pandas.Categorical。

实际上，它将相同的值分组在一起，对于所有值都唯一的情况，每个“组”只有一个值。生成的对象具有codes属性，这是一个Numpy整数数组，指示每个输入值所在的组。

应用于此问题，如果您有：

In [12]: data = pd.DataFrame({
             'state': ['AL', 'AR', 'AZ', 'CA'],
             'total_sales': [16714, 6498, 107296, 33717]
         })

您可以按照以下方式添加标签列：

使用

In [13]: data['label'] = len(data) - pd.Categorical(data.total_sales, ordered=True).codes
In [14]: print(data)

  state  total_sales  label
0    AL        16714      3
1    AR         6498      4
2    AZ       107296      1
3    CA        33717      2

对于这个示例，它并不像jezrael的答案那样快，但它具有广泛的应用，并且在我将一系列较大的数据编码为整数时更快。需要注意的是，如果total_sales列中有两个相同的值，它们将被分配相同的标签。

- Steven C. Howell