我记得在使用R语言时，我使用了.factor（我认为它们是带有层次的因子），但在Python中我不知道如何操作。

我曾经使用过get_dummies，但当训练数据集中有测试集中没有的值时，会出现问题，从而生成的列数超过了机器学习算法所能接受的数量。

我需要转换以下列：

train.head(5)    Id  MSSubClass  MSZoning     1      60         RL     2      53         RR     3      49         RL     4      60         RL     5      95         RR     6      16         RR     6      16         R1

我需要将train.MSZoning转换成如下形式：

MSZoning    1    2    1    1    2    2    3      

谢谢。

回答：

你可以使用pd.Categorical。以下是一个最小可复现的示例

import pandas as pd data = [[1, 60, 'RL'], [2, 53, 'RR'], [3, 49, 'RL'], [4, 60, 'RL'], [5, 95, 'RR']] df = pd.DataFrame(data, columns = ['Id', 'MSSubClass', 'MSZoning']) df['MSZoning_factor'] = pd.Categorical(df.MSZoning).codes + 1df#   Id  MSSubClass MSZoning  MSZoning_factor#0   1          60       RL                1#1   2          53       RR                2#2   3          49       RL                1#3   4          60       RL                1#4   5          95       RR                2

或者使用pd.factorize

df['MSZoning_factor'] = pd.factorize(df.MSZoning)[0] + 1

结果相同。