Skip to main content
 首页 » 编程设计

python之在 Pandas 中使用因式分解来覆盖缺失案例时设置先验水平

2024年10月25日17落叶无声

我了解如何使用因式分解将因素的级别(例如“L”和“W”(表示输赢))编码为数值,例如“0”和“1”:

import pandas as pd 
first_df = pd.DataFrame({'outcome': ["L", "L", "W", "W"]}) 
pd.factorize(first_df['outcome']) 

以上返回 (array([0, 0, 1, 1]), array(['L', 'W'], dtype=object))。

然而,稍后,我想将这个结果与其他一些结果结合起来,我们现在有一个新的结果,平局(“D”),这里是事情变得棘手的地方:

second_df = pd.DataFrame({'outcome': ["L", "L", "D", "D"]}) 
pd.factorize(second_df['outcome']) 

返回 (array([0, 0, 1, 1]), array(['L', 'D'], dtype=object))

我需要一些方法来预先声明创建数据帧时存在 3 个不同级别的事实,并将正确的数值映射到正确的级别。我怎样才能做到这一点?

请您参考如下方法:

使用 Categorical 绝对可以实现这样的事情:

outcome_cat = pd.Categorical( 
    first_df['outcome'],  
    categories=['L', 'W', 'D'], ordered=False 
) 

Categorical 的语义可能与 pd.factorize() 的输出不完全相同,但 codes 属性包含您的数据作为数值,只是 Categorical 也知道未观察到的 'D' 值:

outcome_cat.codes 
Out[6]: array([0, 0, 1, 1], dtype=int8)