按值计数进行标签编码

Question

我尝试为我的城市做标签编码。但是，我希望它根据哪个城市比其他城市更多来标记。比方说；奥斯陆有 500 行柏林有 400 行那不勒斯在数据集中有 300 行所以标签编码将根据值计数标记那些城市所以;奥斯陆应标记为 0，柏林应标记为 1，那不勒斯应标记为 2

我该怎么做？

Answer 1

使用Series.map by Series with indices by Series.value_counts（默认排序值）：

df = pd.DataFrame({'col': ['Berlin'] * 4 + ['Oslo'] * 5 + ['Napoli'] * 3})
print (df)

s = df['col'].value_counts()
print (s)
Oslo      5
Berlin    4
Napoli    3
Name: col, dtype: int64

s1 = pd.Series(range(len(s)), index=s.index)
print (s1)
Oslo      0
Berlin    1
Napoli    2
dtype: int64
       
df['newcol'] = df['col'].map(s1)
print (df)
       col  newcol
0   Berlin       1
1   Berlin       1
2   Berlin       1
3   Berlin       1
4     Oslo       0
5     Oslo       0
6     Oslo       0
7     Oslo       0
8     Oslo       0
9   Napoli       2
10  Napoli       2
11  Napoli       2

或者使用字典 enumerate:

s = df['col'].value_counts()
d = {v: k for k, v in enumerate(s.index)}
print (d)
{'Oslo': 0, 'Berlin': 1, 'Napoli': 2}      

df['newcol'] = df['col'].map(d)
print (df)
       col  newcol
0   Berlin       1
1   Berlin       1
2   Berlin       1
3   Berlin       1
4     Oslo       0
5     Oslo       0
6     Oslo       0
7     Oslo       0
8     Oslo       0
9   Napoli       2
10  Napoli       2
11  Napoli       2

按值计数进行标签编码

Label encoding by value counts

python

pandas

label-encoding