将异构pandas.DataFrame转换为同类的

Question

我想分析pandas.DataFrame中包含的观察/变量形式的异构数据，如下所示：

   Age   Name     Ok  Result
0   25    Bob   True     1.2
1   41   John  False     0.5
2   30  Alice   True     0.3

为此，我通常使用qazxsw poi将其转换为qazxsw poi表示，这获得：

Numpy

如果我正确理解文档，其中只包括pandas.DataFrame.values类型：

具有混合类型列（例如，str / object，int64，float32）的DataFrame导致最宽泛类型的ndarray，其适应这些混合类型（例如，对象）。

问题：如何将异构类型的

[[25 'Bob'   True  1.2]
 [41 'John'  False 0.5]
 [30 'Alice' True  0.3]]

（或object）转换为具有同类数字类型的pandas.DataFrame（或numpy.ndarray），如下所示：

[[25.0  1.0  1.0  1.2]
 [41.0  2.0  0.0  0.5]
 [30.0  3.0  1.0  0.3]]

'Bob'和1.0，'John'和2.0 ...... True和1.0之间有对应关系......

我问这个是因为我想对所有数据执行sklearn.decomposition.PCA，这会在处理字符串值时产生错误。

---

这是一个最小的（不是）工作示例：

import numpy as np
import pandas as pd
from sklearn.decomposition import PCA

d  = {'Name': ['Bob', 'John', 'Alice'], 'Age': [25, 41, 30], 'Result' : [1.2, 0.5, 0.3], 'Ok' : [True, False, True]}
df = pd.DataFrame(data=d)

df.info()
print(df)

data = df.values

print(data)

pca = PCA(n_components=all)
pca.fit(data)

Answer 1

首先，如果它是原始数据的样本，那么从PCA的概念来看，你无法从PCA获得好的结果。 PCA的主要用例是具有高维度的多变量数据。因此，将Bob，Jhon，Alice的值插入1,2,3，你将获得任何好的结果。因为它们是唯一的id，不会从同一个类重复观察。但如果仅用于学习目的，您可以按如下方式转换数据：

import pandas as pd

d  = {'Name': ['Bob', 'John', 'Alice'], 
      'Age': [25, 41, 30], 
      'Result' : [1.2, 0.5, 0.3], 
      'Ok' : [True, False, True]
      }

df = pd.DataFrame(data=d)

# change the true false to int
df['Ok'] = df.Ok.astype(int)

# put all unique name in the list
name_list = list(df.Name.unique())
# create a name map to replace the value
name_map = {name:id for  id, name in enumerate(name_list)}

# apply the map
df['Name'] = df['Name'].replace(name_map)

# put in to the array
data = df.values