如何在Python3的数据框中将字符串映射为数字ID？

Question

我有一个数据框：

import pandas as pd
d = {'user': ['bob','alice','bob'], 'item': 
['apple','coconut','pear']}
df = pd.DataFrame(data=d)




    user    item
0   bob     apple 
1   alice   coconut 
2   bob     pear

我的目标是将每个列中的字符串映射到一个递增的ID(从0开始)，如下：

    user    item
0   0       0
1   1       1
2   0       2

例如，对于列user，[bob,alice]将映射为[0,1]。目标是为了节省数据框的内存。

此外，是否可能指定要映射的列？例如，仅映射user列。谢谢。

- jason

---

请查看此链接：https://stackoverflow.com/a/58161742/11409321 - Sultan Singh Atwal

Answer 1

您可以使用.groupby()和.ngroup()相结合的方式，将每列中的名称替换为唯一的数字。

df['user'] = df.groupby(['user']).ngroup()
df['item'] = df.groupby(['item']).ngroup()

- Craig

Answer 2

首先，您应该建立一个从用户到整数的映射，然后使用Pandas内置的pandas.Series.map进行替换：

import pandas as pd

d = {'user': ['bob','alice','bob'],
     'item': ['apple','coconut','pear']}
df = pd.DataFrame(data = d)

unique_users = df.user.unique()
user_map = {u: i for i, u in enumerate(unique_users)}
df.user = df.user.map(user_map)

- olivaw

Answer 3

你可以尝试这个：

import pandas as pd
d = {'user': ['bob','alice','bob'], 'item': 
['apple','coconut','pear']}
df = pd.DataFrame(data=d)
col_user = df['user'].unique()
col_item = df['item'].unique()
d_user = pd.Series(range(len(col_user)), index = col_user).to_dict()
d_item = pd.Series(range(len(col_item)), index = col_item).to_dict()
df = df.replace({'user': d_user, 'item': d_item}) 
df

- Sultan Singh Atwal

---

很酷，可以跳过构建 d_user 和 d_item 以节省内存吗？因为我的 user 很大。 - jason

@jason 我已经编辑了答案。这样应该可以了。 - Sultan Singh Atwal

Answer 4

SKLearn有一个库，可以转换和反向转换pandas系列

>>> from sklearn.preprocessing import LabelEncoder
>>> import pandas as pd
>>> import numpy as np
>>>
>>> df = pd.DataFrame(data = {
... 'user': ['bob','alice','bob'], 'item': ['apple','coconut','pear']
... })
>>>
>>> le = LabelEncoder()
>>> le.fit_transform(df["user"])
array([1, 0, 1])
>>> le.inverse_transform(np.array([1,0,1]))
array(['bob', 'alice', 'bob'], dtype=object)

- user12958002

---

在这种情况下，添加一个新的库是一个解决方案吗？ - Farrukh Normuradov