有没有简单的方法可以将 Pandas 数据框中的是/否列更改为 1/0？

问题描述：

我将一个 csv 文件读入 pandas 数据框，并希望将包含二进制答案的列从是/否字符串转换为 1/0 的整数。下面，我展示了其中一个列（“sampleDF”是 pandas 数据框）。

In [13]: sampleDF.housing[0:10]
Out[13]:
0     no
1     no
2    yes
3     no
4     no
5     no
6     no
7     no
8    yes
9    yes
Name: housing, dtype: object

非常感谢您的帮助！

解决方案 1：

方法 1

sample.housing.eq('yes').mul(1)

方法 2

pd.Series(np.where(sample.housing.values == 'yes', 1, 0),
          sample.index)

方法 3

sample.housing.map(dict(yes=1, no=0))

方法 4

pd.Series(map(lambda x: dict(yes=1, no=0)[x],
              sample.housing.values.tolist()), sample.index)

方法 5

pd.Series(np.searchsorted(['no', 'yes'], sample.housing.values), sample.index)

全部收益

0    0
1    0
2    1
3    0
4    0
5    0
6    0
7    0
8    1
9    1

定时

给定样本

定时

长采样

sample = pd.DataFrame(dict(housing=np.random.choice(('yes', 'no'), size=100000)))

解决方案 2：

尝试一下：

sampleDF['housing'] = sampleDF['housing'].map({'yes': 1, 'no': 0})

解决方案 3：

# produces True/False
sampleDF['housing'] = sampleDF['housing'] == 'yes'

以上代码分别返回 True/False 值，本质上是 1/0。布尔值支持求和函数等。如果您确实需要它是 1/0 值，则可以使用以下命令。

housing_map = {'yes': 1, 'no': 0}
sampleDF['housing'] = sampleDF['housing'].map(housing_map)

解决方案 4：

%timeit
sampleDF['housing'] = sampleDF['housing'].apply(lambda x: 0 if x=='no' else 1)

每循环 1.84 毫秒 ± 56.2 微秒（7 次运行的平均值 ± 标准差，每次 1000 次循环）

对于指定的 df 列，将“是”替换为 1，将“否”替换为 0。

解决方案 5：

使用 sklearn 的 LabelEncoder

from sklearn.preprocessing import LabelEncoder

lb = LabelEncoder() 
sampleDF['housing'] = lb.fit_transform(sampleDF['housing'])

来源

解决方案 6：

是的，您可以使用以下代码片段将列的“是/否”值更改为 1/0

sampleDF = sampleDF.replace(to_replace = ['yes','no'],value = ['1','0'])
sampleDF

通过使用第一行，你可以用 1/0 替换值，通过使用第二行，你可以通过打印来查看更改

解决方案 7：

通用方法：

import pandas as pd
string_data = string_data.astype('category')
numbers_data = string_data.cat.codes

参考：
https ://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.astype.html

解决方案 8：

对于数据集名称数据和名为的列Paid；

data = data.replace({'Paid': {'yes': 1, 'no': 0}})

所有的yes将变为1，所有的no将替换为0

解决方案 9：

您可以明确地将一系列布尔值转换为整数：

sampleDF['housing'] = sampleDF['housing'].eq('yes').astype(int)

解决方案 10：

简单的方法是使用熊猫，如下所示：

housing = pd.get_dummies(sampleDF['housing'],drop_first=True)

之后从主 df 中删除此文件

sampleDF.drop('housing',axis=1,inplace=True)

现在在你的 df 中合并新的

sampleDF= pd.concat([sampleDF,housing ],axis=1)

解决方案 11：

将整个数据框转换为 0 和 1 的一个简单直观的方法可能是：

sampleDF = sampleDF.replace(to_replace = "yes", value = 1)
sampleDF = sampleDF.replace(to_replace = "no", value = 0)

解决方案 12：

sampleDF['housing'] = sampleDF['housing'].map(lambda x: 1 if x == 'yes' else 0)
sampleDF['housing'] = sampleDF['housing'].astype(int)

这会起作用。

解决方案 13：

尝试一下，它会起作用的。

sampleDF.housing.replace(['no', 'yes'], [0,1], inplace = True) 

解决方案 14：

使用 pandas.Series.map

sampleDF.map({'yes':1,'no':0})

解决方案 15：

请尝试以下操作：

sampleDF['housing'] = sampleDF['housing'].str.lower().replace({'yes': 1, 'no': 0})

解决方案 16：

我使用了 sklearn 的预处理函数。首先创建一个编码器。

e = preprocessing.LabelEncoder()

然后对于数据中的每个属性或特征，使用标签编码器将其转换为整数值

size = le.fit_transform(list(data["size"]))
color = le.fit_transform(list(data["color"]))

它会转换所有“尺寸”或“颜色”属性的列表，并将其转换为其对应整数值的列表。要将所有这些放入一个列表中，请使用 zip 函数。

它不会采用与 csv 文件相同的格式；它将是所有内容的巨大列表。

data = list(zip(buying, size))

希望我能解释得更清楚一些。

解决方案 17：

您还可以尝试：

sampleDF["housing"] = (sampleDF["housing"]=="Yes")*1 

解决方案 18：

这只是一个 bool 到 int。

尝试一下。

sampleDF.housing = (sampleDF.housing == 'yes').astype(int)

解决方案 19：

理解数组

sampleDF['housing'] = [int(v == 'yes') for v in sampleDF['housing']]