Pandas系列.map将值更改为NaN

Question

我正在处理一个SMS数据集，它有两列，一列是“label column”，由“ham/spam”组成，另一列是“messages”，由一堆字符串组成。你知道吗

我将“标签列”转换为数字标签，ham=1，spam=0

#Converting our labels to numeric labels
# ham = 0 and spam = 1
dfcat = dataset['label']=dataset.label.map({'ham':1,'spam':0})
dfcat.head()

所以当我第一次运行上面的代码时，它给了我我要找的东西，但是在我再次运行之后，它开始给我“Nan”。你知道吗

Out[108]: 
0   NaN
1   NaN
2   NaN
3   NaN
4   NaN
Name: label, dtype: float64

拜托，我需要一个办法来解决这个问题。你知道吗

Answer 1

行为系列.map（）函数用于替换提供的字典中的值，并将其他值更改为NaN。如果要多次运行同一行代码，则需要考虑所有值。您可以使用defaultdict，它允许设置一个默认值，或者只包含第一次运行的结果作为输入，以防第二次运行。 改变

dfcat = dataset['label']=dataset.label.map({'ham':1,'spam':0})

至

dfcat = dataset['label']=dataset.label.map({'ham':1,'spam':0,1:1,0:0})

Answer 2

@G.Anderson给出了你第二次重播时为什么会看到那些NaN的原因。你知道吗

至于在Python中处理分类变量的方法，可以使用one hot encoding。玩具示例如下：

import pandas as pd

df = pd.DataFrame({"col1": ["a", "b", "c"], "label": ["ham", "spam", "ham"]})
df_ohe = pd.get_dummies(df, prefix="ohe", drop_first=True, columns=["label"])
df_ohe

然而，它也取决于分类变量的数量和它们的基数（如果高，一个热编码可能不是最好的方法）。你知道吗