84669인 학습
152542인 학습
20005인 학습
5487인 학습
7821인 학습
359900인 학습
3350인 학습
180660인 학습
48569인 학습
18603인 학습
40936인 학습
1549인 학습
1183인 학습
32909인 학습
例如我有一个标签列形如：[A,A,A,B,B,C,C,C,C]转化为：[0,0,0,1,1,2,2,2,2]
pandas和scikit-learn中有简单的实现吗？
另外大家在学习一个新的包时是怎样根据问题找到文档的具体位置的？有啥经验可以交流下吗？谢谢啦！
ringa_lee
pandas中是非常容易实现的,转换成Categories对象即可。术语叫做因子和水平，水平一般都会自动转成数字储存。
pandas
c = ['A','A','A','B','B','C','C','C','C'] category = pd.Categorical(c)
接下来查看category的label即可
print category.labels
sklearn中有现成的:
preprocessing.LabelEncoder().fit_transform(data)
详见官方文档
就可以直接字符数字间的转换了
没有实际运用过，不知道map函数能否实现你的需求，具体参考文档http://pandas.pydata.org/pand...
map
这只是个映射的逻辑而已，根本没必要用pandas和scikit-learn，大材小用了嘛
映射
a = ['A','A','A','B','B','C','C','C','C'] result = [x for x in map(lambda c: ord(c) - ord('A'), a)]
如果非要说用pandas，那么这不正好是Series吗
Series
import pandas as pd a = ['A','A','A','B','B','C','C','C','C'] result = pd.Series(a).map(lambda c: ord(c) - ord('A'))
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
pandas中是非常容易实现的,转换成Categories对象即可。术语叫做因子和水平，水平一般都会自动转成数字储存。接下来查看category的label即可
sklearn中有现成的:
详见官方文档
就可以直接字符数字间的转换了
没有实际运用过，不知道
map函数能否实现你的需求，具体参考文档http://pandas.pydata.org/pand...
这只是个
映射的逻辑而已，根本没必要用pandas和scikit-learn，大材小用了嘛如果非要说用pandas，那么这不正好是
Series吗