将分类变量从字符串转换为int表示

Question

我有一个字符串数组形式的文本分类数组，例如 y_train = ['A', 'B', 'A', 'C',...]。我正在尝试应用SKlearn多项式NB算法来预测整个数据集的类。

我想string类转换成整数能输入到算法和转换['A', 'B', 'A', 'C', ...]成['1', '2', '1', '3', ...]

我可以写一个for循环来遍历数组，并创建一个新的与诠释分类，但有一个直接的功能来实现这一

Answer 1

如果你使用的是sklearn，我会建议你在这个库中使用方法来为你做这些事情。 Sklearn有许多预处理数据的方法，例如编码标签。其中之一是sklearn.preprocessing.LabelEncoder功能。

from sklearn.preprocessing import LabelEncoder 

le = LabelEncoder() 
le.fit_transform(y_train) 

，输出

array([0, 1, 0, 2]) 

使用le.inverse_transform([0,1,2])映射回

Answer 2

尝试factorize方法：

In [264]: y_train = pd.Series(['A', 'B', 'A', 'C']) 

In [265]: y_train 
Out[265]: 
0 A 
1 B 
2 A 
3 C 
dtype: object 

In [266]: pd.factorize(y_train) 
Out[266]: (array([0, 1, 0, 2], dtype=int64), Index(['A', 'B', 'C'], dtype='object')) 

演示：

In [271]: fct = pd.factorize(y_train)[0]+1 

In [272]: fct 
Out[272]: array([1, 2, 1, 3], dtype=int64)