我需要对数据集中某个特征的字符串值进行分类，以便进一步用于其他用途，比如预测或绘图。

如何转换这些数据？

我找到了一个解决方案，但在这里我必须为该特征的每个唯一值手动编写代码。对于2-3个唯一值，这还可以接受，但是我有一个特征包含超过50个国家的唯一值，我不能为每个国家都编写代码。

def sex_class(x):    if x == 'male':        return 1    else:        return 0

这将特征 – 性别中的男性值更改为1，女性值更改为0。

回答：

rank 或 pd.factorize

df['ID_int'] = df['id'].rank(method='dense').astype(int)df['ID_int2'] = pd.factorize(df['id'])[0]

输出:

  id  ID_int  ID_int20  a       2        01  b       3        12  c       4        23  a       2        04  b       3        15  c       4        26  A       1        37  b       3        1

标签不同，但一致性保持不变。