将异构pandas.DataFrame转换为同构

Question

我希望分析异构数据的形式：pandas.DataFrame中包含的观察/变量如下：

   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Numpy将其转换为它的pandas.DataFrame.values表示，从而获得：

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

如果我正确理解文档，它只包括object类型：

具有混合类型列的DataFrame (例如str/object、int64、float32)会产生一个最宽类型的ndarray，该类型可以容纳这些混合类型(例如，对象)。

问题：如何将异构类型的pandas.DataFrame (或numpy.ndarray)转换为同构数值类型的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]]

在'Bob'和1.0，'John'和2.0 . True和1.0之间有对应的.

我这样问是因为我想对所有数据执行一个sklearn.decomposition.PCA，这会在处理字符串值时产生错误。

下面是一个最小的(非)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，如果它是一个样本的原始数据，然后从PCA的概念，是不可能得到良好的结果从PCA。主成分分析的主要用例是高维的多元数据。因此，将Bob、Jhon、Alice的值插入为1、2、3，就会得到任何好的results.As，它们是唯一的，不是来自同一个类的重复观察。但是，如果只是为了学习目的，您可以转换数据如下：

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