python - Python 用 0-x 索引替换列值（用于 xgboost）

Question

我正在使用 python（与 pandas 等）我有一个带有标签列的数据框（类 a、b、c 等 - 总共 38 个）。我想使用 Xgboost 进行预测，但它只适用于 0:num_classes 范围内的标签。

所以基本上我需要： - 用 0:num_class 索引替换标签列中的所有值（a 用 0，b 用 1，c 用 2 等）

类数为 38，因此无法手动映射和替换。有没有一种优雅的方式来做到这一点？（在 R 中我会使用：

train_data$Class <- as.numeric(factor(train_data$Class))

但它在这里不起作用。

Answer 1

labels = ['a','b','a','c','b','a','c','a']
y = pandas.Series(labels)
unique_labels, y_inversed = numpy.unique(y, return_inverse=True)
print list(unique_labels[y_inversed]) == labels

结果：真

Answer 2

您可以使用pandas.factorize功能：

import pandas as pd
df.Class = pd.factorize(df.Class)[0]

如果你想向后，你可以存储该变量，然后重新分配它：

factor = pd.factorize(df.Class)
# forward
df.Class = factor[0]
# backward
df.Class = factor[1]

Answer 3

对于简单的转换，您可以在数据框上使用 map 方法，

df.class
Out[34]: 
1    a
2    b
3    c
4    c
5    b
6    a
Name: 0, dtype: object

df.class.map({'a':1,'b':2,'c':3})
Out[35]: 
1    1
2    2
3    3
4    3
5    2
6    1
Name: 0, dtype: int64