在进行Python数据分析的时候，首先要进行数据预处理。但是有时候不得不处理一些非数值类别的数据，遇到这类问题时该怎么解决呢？

目前为止，总结了三种方法，这里分享给大家。

一、通过mapping方式，将类别映射为数值

这种方法是属于映射字典将类标转换为整数，不过这种方法适用范围有限。

我们首先创建一个数据集：

import pandas as pddf = pd.DataFrame([['green', 'M', 10.1, 'class1'],['red', 'L', 13.5, 'class2'],['blue', 'XL', 15.3, 'class1']])df.columns =['color', 'size', 'price', 'classlabel']

我们展示一下数据集：

color size price classlabel0 green M 10.1class11 red L 13.5class22 blue XL 15.3class1

我们想把size列的类别转换成数值，可以这样操作：

size_mapping = {'XL':3, 'L':2, 'M':1}df['size'] = df['size'].map(size_mapping)

我们看一下结果：

color size price classlabel0 green1 10.1class11 red2 13.5class22 blue3 15.3class1

我们继续将classlabel列转换成数值型，代码如下：

class_mapping = {label: idx for idx, label in enumerate(np.unique(df['classlabel']))}df['classlabel'] = df['classlabel'].map(class_mapping)print('2,',df)

结果展示如下：

2, color size price classlabel0 green1 10.1 01 red2 13.5 12 blue3 15.3 0

二、通过LabelEncoder来进行快速的转换

继续用上面的例子来展示：

color size price classlabel0 green M 10.1class11 red L 13.5class22 blue XL 15.3class1

我们对classlabel进行转换：

class_encoder = LabelEncoder()df['classlabel'] = class_encoder.fit_transform(df['classlabel'].values)print(df)

结果展示如下：

color size price classlabel0 green M 10.1 01 red L 13.5 12 blue XL 15.3 0

可以看到，classlabel列自动实现了编码，class1对应的类别为1，class2对应的类别为2。

这种转换比较快速方便，但是编码的可识别性也较低，比如我们在同样的基础上继续对size和color进行转换。

class_encoder = LabelEncoder()color_encoder=LabelEncoder()size_encoder=LabelEncoder()df['classlabel'] = class_encoder.fit_transform(df['classlabel'].values)df['size']=size_encoder.fit_transform(df['size'].values)df['color']=color_encoder.fit_transform(df['color'].values)print(df)

结果展示为：

color size price classlabel011 10.1 0120 13.5 1202 15.3 0

可以看到，转换的类型几乎是一致的，当变量较多时，会出现表意不明的错误。

三、通过pd.get_dummies方法来转换

pd.get_dummies相当于onehot编码，常用与把离散的类别信息转化为onehot编码形式。

官方文档：

def get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False,columns=None,sparse=False,drop_first=False,dtype=None)

对于上面的例子，我们转换为：

df2=pd.get_dummies(df)print(df2)

结果展示为：

price color_blue color_green color_red size_L size_M size_XL classlabel_class1 classlabel_class2 0 10.1 0 10 0 1 0 1 0 1 13.5 0 01 1 0 0 0 1 2 15.3 1 00 0 0 1 1 0

如果我们转换其中一列呢？

color_encoder=pd.get_dummies(df[['color']])df2=pd.concat([color_encoder,df],axis=1)print(df2)

结果展示为：

color_blue color_green color_red color size price classlabel0 0 10 green M 10.1class11 0 01 red L 13.5class22 1 00 blue XL 15.3class1