将对象列转换为整数或浮点

Question

我有一个数据集看起来像…（这里的问题简称）

DataFrame Name = ObjectIntTest

Most of the columns/labels are varios objects

标签ISIN=各种ISIN，如IE00B3XXRP09、IE00BF553838、LU0950668870

要运行逻辑回归，我需要将各种ISIN转换为整数 （对于ISIN IE00B3XXRP09和IE00BF553838，整数/浮点值始终需要相同）

我尝试了各种类似的方法，但我只得到了错误：

ObjectIntTest['ISIN'] = ObjectIntTest.ISIN.astype(int) = ValueError: invalid literal for int() with base 10: 'IE00B3XXRP09'

ObjectIntTest['ISIN'] = ObjectIntTest['ISIN'].astype(float) = ValueError: could not convert string to float: 'IE00B3XXRP09'

ObjectIntTest['ISIN'] = ObjectIntTest['ISIN'].astype(str).astype(int) = ValueError: invalid literal for int() with base 10: 'IE00B3XXRP09'

ObjectIntTest = pd.to_numeric(ObjectIntTest['ISIN']) = ValueError: Unable to parse string "IE00B3XXRP09" at position 0

抱歉，我是python和编程新手，但需要找到解决方案，使这些数据可用于逻辑回归。。。 谢谢你的帮助

Answer 1

ISIN似乎是一个分类特性，因此用整数表示它（您可以对其进行比较并进行算术运算）可能会导致问题

通常分类值使用一种编码技术进行编码，最流行的是一种热编码和标签编码。标签编码将每个唯一的分类值映射到一个整数（考虑到我所说的，这不是很好），而一个Hot将您的分类列替换为N列，每个列包含一个值[0,1]，并表示一个可能的唯一分类值。您可能想了解更多关于here的信息

如果您的ISIN列中没有大量的唯一值，那么最好选择一个。您可以在分类列上使用pandas.get_dummies来应用一种热编码

Answer 2

有两种方法可以解决此问题：

1. 使用Python字典的键值映射将int映射到string

2. 使用单独的散列函数，如Python的内置hash。例如

>>> hash('IE00B3XXRP09')
2571740993647531361

>>> type(hash('IE00B3XXRP09'))
<class 'int'>