給出以下示例：example = pd.DataFrame({'y':[1,1,1,1,1,1,1,1,1,1,2,2,2,2,0,0,-1,-1,-1]})我想按頻率計(jì)數(shù)按降序重新標(biāo)記這些值。因此，我希望將案例數(shù)最多的值（例如 1）替換為 0，然后將下一個(gè)最大的 bin 替換為 1，依此類推所有值。需要注意的是我想忽略值為 -1 的情況。如果我運(yùn)行value_counts()，我可以看到這個(gè)：y 1 10 2 4-1 3 0 2dtype: int64但我想要一個(gè) pythonic 和非 hacky/clean 解決方案來創(chuàng)建以下內(nèi)容： y0 01 02 03 04 05 06 07 08 09 010 111 112 113 114 215 216 -117 -118 -1y 0 10 1 4-1 3 2 2dtype: int64（理想情況下，我也保留舊的專欄，以便保存良好的記錄）。我可以循環(huán)每個(gè)值，檢查它是否不是 -1，然后value_counts()用迭代次數(shù)替換它，但這感覺維護(hù)成本很高。有沒有一種干凈的方法來實(shí)現(xiàn)它？
1 回答
米脂
TA貢獻(xiàn)1836條經(jīng)驗(yàn) 獲得超3個(gè)贊
由after?withoutSeries.map的索引創(chuàng)建的字典使用：SeriesSeries.value_counts-1
s = example['y'].value_counts().drop(-1)
d = {v:k for k, v in dict(enumerate(s.index)).items()}
或者：
s = example['y'].value_counts().drop(-1)
d = dict(zip(s.index, range(len(s))))
m = example['y'].ne(-1)
example.loc[m, 'y'] = example.loc[m, 'y'].map(d)
print (example)
? y
0? ?0
1? ?0
2? ?0
3? ?0
4? ?0
5? ?0
6? ?0
7? ?0
8? ?0
9? ?0
10? 1
11? 1
12? 1
13? 1
14? 2
15? 2
16 -1
17 -1
18 -1
另一個(gè)想法是增加-1價(jià)值：-1dictionary
s = example['y'].value_counts().drop(-1)
d = {**{-1:-1}, **dict(zip(s.index, range(len(s))))}
example['y'] = example['y'].map(d)
添加回答
舉報(bào)
0/150
提交
取消