Mam zmienną kategoryczną w serii. Chcę przypisać liczbę całkowitą do każdej unikalnej wartości i utworzyć nową serię z identyfikatorami, skutecznie zamieniając zmienną łańcuchową na zmienną całkowitą. Jaki jest najbardziej kompaktowy/wydajny sposób na zrobienie tego?Konwersja serii pand ze stringów na unikalne int
Można użyć pandas.factorize:
In [32]: s = pd.Series(['a','b','c'])
In [33]: labels, levels = pd.factorize(s)
In [35]: labels
Out[35]: array([0, 1, 2])
przykład za pomocą nowej Pandy categorical typu w pand 0.15+
http://pandas.pydata.org/pandas-docs/version/0.16.2/categorical.html
In [553]: x = pd.Series(['a', 'a', 'a', 'b', 'b', 'c']).astype('category')
In [554]: x
Out[554]:
0 a
1 a
2 a
3 b
4 b
5 c
dtype: category
Categories (3, object): [
a
, b
, c]
In [555]: x.cat.codes
Out[555]:
0 0
1 0
2 0
3 1
4 1
5 2
dtype: int8
pamiętać, że od 0.15 (ma zostać wydany w najbliższych tygodniach), będzie bardziej zintegrowane wsparcie kategoryczne, zobacz http://pandas-docs.github.io/pandas-docs-travis/whatsnew.html#whatsnew-0150-cat – joris